CN110364236A - 放射影像报告的智能随访方法、系统、设备及存储介质 - Google Patents
放射影像报告的智能随访方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN110364236A CN110364236A CN201910660410.1A CN201910660410A CN110364236A CN 110364236 A CN110364236 A CN 110364236A CN 201910660410 A CN201910660410 A CN 201910660410A CN 110364236 A CN110364236 A CN 110364236A
- Authority
- CN
- China
- Prior art keywords
- report
- attribute
- image
- pathological
- image report
- 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 34
- 230000001575 pathological effect Effects 0.000 claims abstract description 90
- 238000002059 diagnostic imaging Methods 0.000 claims abstract description 61
- 238000010827 pathological analysis Methods 0.000 claims abstract description 47
- 238000002372 labelling Methods 0.000 claims abstract description 13
- 238000003745 diagnosis Methods 0.000 claims description 65
- 238000012549 training Methods 0.000 claims description 48
- 238000000605 extraction Methods 0.000 claims description 41
- 230000007170 pathology Effects 0.000 claims description 32
- 230000001717 pathogenic effect Effects 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000007689 inspection Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 3
- 201000010099 disease Diseases 0.000 description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 208000001132 Osteoporosis Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 210000004394 hip joint Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 208000007353 Hip Osteoarthritis Diseases 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000280 densification Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 201000008482 osteoarthritis Diseases 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Radiology & Medical Imaging (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种放射影像报告的智能随访方法、系统、设备及存储介质,所述智能随访方法包括:获取一患者的一病理报告,所述病理报告包括病理报告时间和所述患者的身份信息;根据身份信息获取患者在病理报告时间前的一预设时间段内的所有影像报告;分别提取病理报告中的病理诊断属性及每个影像报告中的影像诊断属性;将每组病理诊断属性分别与每个影像报告中的影像诊断属性进行匹配;若匹配不成功,则确定影像诊断是有误的;若匹配成功,则确定影像诊断是正确的;将表征匹配结果的标签标注在影像报告上;根据标签对对应的患者进行随访。本发明实现影像诊断与病理诊断的一致性的自动判断,从而实现放射影像报告的自动化、智能化的随访。
Description
技术领域
本发明属于放射检查诊断与病理诊断的一致性判断领域,特别涉及一种放射影像报告的智能随访方法、系统、设备及存储介质。
背景技术
随着医用X光机、CT和MR等医学放射检查设备技术越来越成熟,放射检查已越来越成为一种临床常见检查,用于对疾病的初筛、定位和定性起着重要作用。
在放射科诊断中放射科医生需要结合病理诊断确认影像诊断是否正确,从而实现放射科随访,达到提升业务水平的目标,但放射科医生,特别是中大型医疗机构放射科医生在诊断中均存在以下痛点:其一、工作量巨大,往往无暇查看影像报告诊断是否符合临床和病理的诊断,无法确定影像诊断的正确性;其二、查看相关病理报告极为不便,需要去其他科室找到该患者对应的病理检查报告,人为进行判断,确定影像学诊断是否正确。
发明内容
本发明要解决的技术问题是为了克服现有技术中放射诊断与病理诊断的一致性判断需要耗费很大人力的缺陷,提供一种放射影像报告的智能随访方法、系统、设备及存储介质。
本发明是通过下述技术方案来解决上述技术问题:
一种放射影像报告的智能随访方法,所述智能随访方法包括:
S10、获取一患者的一病理报告,所述病理报告包括病理报告时间和所述患者的身份信息;
S20、根据所述身份信息获取所述患者在所述病理报告时间前的一预设时间段内的所有影像报告;
S30、分别提取所述病理报告中的病理诊断属性及每个影像报告中的影像诊断属性;
S40、将每组病理诊断属性分别与所述每个影像报告中的影像诊断属性进行匹配;
S50、若匹配不成功,则确定匹配不成功的影像报告中的影像诊断是有误的;若匹配成功,则确定匹配成功的影像报告中的影像诊断是正确的;
S60、将表征匹配结果的标签标注在影像报告上;
S70、根据所述标签对对应的患者进行随访。
较佳地,步骤S30之前,所述智能随访方法还包括:
S21、预设一关联词典,所述关联词典存储有病理部位与放射检查项目的对应关系;
S22、提取所述病理报告中的当前病理部位及每个影像报告中的当前放射检查项目;
S23、基于所述关联词典将所述当前病理部位与所述当前放射检查项目进行匹配;
S24、滤除所述当前放射检查项目与所述当前病理部位不匹配的影像报告;
步骤S30中对滤除后的影像报告进行影像诊断属性的提取。
较佳地,步骤S30具体包括:
S301、获取多个历史报告,所述历史报告中的诊断属性已被标注;
S302、将所述历史报告作为训练数据,并基于条件随机场算法训练得到诊断属性识别模型;
S303、将所述病理报告和所述影像报告输入所述诊断属性识别模型,输出所述病理诊断属性和所述影像诊断属性。
较佳地,步骤S40具体包括:
S401、获取多组诊断结果一致性已知的历史病理报告和历史影像报告;
S402、分别提取每组历史病理报告中的历史病理诊断属性和历史影像报告中的历史影像诊断属性;
S403、将每组历史病理诊断属性和历史影像诊断属性作为一个训练数据,并基于Bert(一种词向量算法)预训练模型与Word2Vec(一种词向量算法)算法训练得到诊断属性匹配模型;
S404、分别将每个影像报告中的影像诊断属性与所述病理报告中的病理诊断属性输入所述诊断属性匹配模型,输出所述每个影像报告与所述病理报告是否匹配的结果。
较佳地,所述病理诊断属性包括病理定位、病理定性和病理定位与病理定性的病理关联性,所述影像诊断属性包括影像定位、影像定性和影像定位与影像定性的影像关联性。
一种电子设备,包括存储器、处理器及存储在存储器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计算机程序时实现上述的放射影像报告的智能随访方法。
一种计算机可读存储介质,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的放射影像报告的智能随访方法的步骤。
一种放射影像报告的智能随访系统,所述智能随访系统包括病理报告获取模块、影像报告获取模块、第一提取模块、第一匹配模块、标注模块和随访模块;
所述病理报告获取模块用于获取一患者的一病理报告,所述病理报告包括病理报告时间和所述患者的身份信息;
所述影像报告获取模块用于根据所述身份信息获取所述患者在所述病理报告时间前的一预设时间段内的所有影像报告;
所述第一提取模块用于分别提取所述病理报告中的病理诊断属性及每个影像报告中的影像诊断属性;
所述第一匹配模块用于将每组病理诊断属性分别与所述每个影像报告中的影像诊断属性进行匹配,若匹配不成功,则确定匹配不成功的影像报告中的影像诊断是有误的,若匹配成功,则确定匹配成功的影像报告中的影像诊断是正确的;
所述标注模块用于将表征匹配结果的标签标注在影像报告上;
所述随访模块用于根据所述标签对对应的患者进行随访。
较佳地,所述智能随访系统还包括预设模块、第二提取模块、第二匹配模块和滤除模块;
所述预设模块用于预设一关联词典,所述关联词典存储有病理部位与放射检查项目的对应关系;
所述第二提取模块用于提取所述病理报告中的当前病理部位及每个影像报告中的当前放射检查项目;
所述第二匹配模块用于基于所述关联词典将所述当前病理部位与所述当前放射检查项目进行匹配;
所述滤除模块用于滤除所述当前放射检查项目与所述当前病理部位不匹配的影像报告;
所述第一提取模块用于对滤除后的影像报告进行影像诊断属性的提取。
较佳地,所述第一提取模块包括第一报告获取单元和第一训练单元;
所述第一报告获取单元用于获取多个历史报告,所述历史报告中的诊断属性已被标注;
所述第一训练单元用于将所述历史报告作为训练数据,并基于条件随机场算法训练得到诊断属性识别模型;
所述第一提取模块用于将所述病理报告和所述影像报告输入所述诊断属性识别模型,输出所述病理诊断属性和所述影像诊断属性。
较佳地,所述第一匹配模块包括第二报告获取单元、属性提取单元和第二训练单元;
所述第二报告获取单元用于获取多组诊断结果一致性已知的历史病理报告和历史影像报告;
所述属性提取单元用于分别提取每组历史病理报告中的历史病理诊断属性和历史影像报告中的历史影像诊断属性;
所述第二训练单元用于将每组历史病理诊断属性和历史影像诊断属性作为一个训练数据,并基于Bert预训练模型与Word2Vec算法训练得到诊断属性匹配模型;
所述第一匹配模块用于分别将每个影像报告中的影像诊断属性与所述病理报告中的病理诊断属性输入所述诊断属性匹配模型,输出所述每个影像报告与所述病理报告是否匹配的结果。
本发明的积极进步效果在于:本发明通过对获取到的患者的病理报告及一预设时间内的影像报告进行诊断属性的提取,进一步通过诊断属性的匹配实现病理报告和影像报告的诊断是否一致的判定,从而实现放射影像报告的自动化、智能化的随访。
附图说明
图1为本发明实施例1的放射影像报告的智能随访方法的流程图。
图2为本发明实施例2的放射影像报告的智能随访方法中步骤S30的流程图。
图3为本发明实施例3的放射影像报告的智能随访方法中步骤S40的流程图。
图4为本发明实施例4的电子设备的结构示意图。
图5为本发明实施例6的放射影像报告的智能随访系统的模块示意图。
图6为本发明实施例7的放射影像报告的智能随访系统中第一提取模块的模块示意图。
图7为本发明实施例8的放射影像报告的智能随访系统中第一匹配模块的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
一种放射影像报告的智能随访方法,如图1所示,所述智能随访方法包括:
S10、获取一患者的一病理报告;所述病理报告包括病理报告时间和所述患者的身份信息;
S20、根据所述身份信息获取所述患者在所述病理报告时间前的一预设时间段内的所有影像报告;
S30、分别提取所述病理报告中的病理诊断属性及每个影像报告中的影像诊断属性;
S40、将每组病理诊断属性分别与所述每个影像报告中的影像诊断属性进行匹配;
S50、若匹配不成功,则确定匹配不成功的影像报告中的影像诊断是有误的;若匹配成功,则确定匹配成功的影像报告中的影像诊断是正确的;
S60、将表征匹配结果的标签标注在影像报告上;
S70、根据所述标签对对应的患者进行随访。
所述病理诊断属性包括病理定位、病理定性和病理定位与病理定性的病理关联性,所述影像诊断属性包括影像定位、影像定性和影像定位与影像定性的影像关联性。
需要说明的是,实际匹配时,需要将每个对应的诊断属性一一进行匹配,比如:病理报告中的病理定位与影像报告中的影像定位进行匹配;另外,病理报告中可能会提取出多组病理诊断属性,影像报告中也可能会提取出多组影像诊断属性,需要分别将病理报告中的每组病理诊断属性与影像报告中的多组影像诊断属性一一进行匹配,以病理定位与影像定位的匹配为例进行说明,当多个影像定位中有一个影像定位与病理定位匹配一致,则确认影像报告中的影像诊断是正确的,只有当病理定位与所有的影像定位都不匹配时,才确定影像诊断中的影像定位是有误的。另外,本实施例中,除了将匹配结果进行标注外,对于不同的诊断属性也可分别进行标注,比如定位正确、定性不正确等。
本实施例中,在根据时间获取影像报告后,可以基于诊断部位对影像报告进行进一步筛选过滤,参考图1,步骤S30之前,所述智能随访方法还包括:
S21、预设一关联词典;所述关联词典存储有病理部位与放射检查项目的对应关系;
S22、提取所述病理报告中的当前病理部位及每个影像报告中的当前放射检查项目;
S23、基于所述关联词典将所述当前病理部位与所述当前放射检查项目进行匹配;
S24、滤除所述当前放射检查项目与所述当前病理部位不匹配的影像报告;
步骤S30中对滤除后的影像报告进行影像诊断属性的提取。
本实施例中,通过对获取到的患者的病理报告及一预设时间内的影像报告进行诊断属性的提取,进一步通过诊断属性的匹配实现病理报告和影像报告的诊断是否一致的判定,从而实现放射影像报告的自动化、智能化的随访。
实施例2
本实施例的放射影像报告的智能随访方法是在实施例1的基础上进一步改进,如图2所示,步骤S30具体包括:
S301、获取多个历史报告,所述历史报告中的诊断属性已被标注;
S302、将所述历史报告作为训练数据,并基于条件随机场算法训练得到诊断属性识别模型;
S303、将所述病理报告和所述影像报告输入所述诊断属性识别模型,输出所述病理诊断属性和所述影像诊断属性。
本实施例中,通过医学顾问对历史报告进行数据标注,将报告文本中的诊断属性(定位、定性、定位与定性的属性关系)标注出来,然后基于条件随机场(CRF)(也可以结合神经网络算法)的方法训练模型,得到的诊断属性识别模型能够识别出新报告中的诊断属性。例如:报告文本“左髋关节骨性关节炎、骨质疏松,股骨头缺血坏死待排,请结合临床进一步检查。右侧骶髂关节处致密影,请随访。”中,左髋关节是“定位”,骨性关节炎与骨质疏松都属于“定性”,左髋关节与这两个“定性”属性都有关联。
实施例3
本实施例的放射影像报告的智能随访方法是在实施例1的基础上进一步改进,如图3所示,步骤S40具体包括:
S401、获取多组诊断结果一致性已知的历史病理报告和历史影像报告;
S402、分别提取每组历史病理报告中的历史病理诊断属性和历史影像报告中的历史影像诊断属性;
S403、将每组历史病理诊断属性和历史影像诊断属性作为一个训练数据,并基于Bert预训练模型与Word2Vec算法训练得到诊断属性匹配模型;
S404、分别将每个影像报告中的影像诊断属性与所述病理报告中的病理诊断属性输入所述诊断属性匹配模型,输出所述每个影像报告与所述病理报告是否匹配的结果。
本实施例中,将历史随访数据(包含已知诊断结果是否一致的历史病理报告和历史影像报告)作为模型的训练数据,使用Bert预训练模型与Word2Vec做文本的特征提取,进而训练得到诊断属性匹配模型,用于获取病理报告中的部位(定位)与疾病(定性)和放射报告中的部位与疾病的匹配结果。
实施例4
一种电子设备,包括存储器、处理器及存储在存储器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计算机程序时实现实施例1-3中任意一个实施例所述的放射影像报告的智能随访方法。
图4为本实施例提供的一种电子设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性电子设备90的框图。图4显示的电子设备90仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,电子设备90可以以通用计算设备的形式表现,例如其可以为服务器设备。电子设备90的组件可以包括但不限于:至少一个处理器91、至少一个存储器92、连接不同系统组件(包括存储器92和处理器91)的总线93。
总线93包括数据总线、地址总线和控制总线。
存储器92可以包括易失性存储器,例如随机存取存储器(RAM)921和/或高速缓存存储器922,还可以进一步包括只读存储器(ROM)923。
存储器92还可以包括具有一组(至少一个)程序模块924的程序工具925,这样的程序模块924包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序,从而执行各种功能应用以及数据处理。
电子设备90也可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且,电子设备90还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器96通过总线93与电子设备90的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备90使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例5
一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现实施例1-3中任意一个实施例所述的放射影像报告的智能随访方法的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行实现实施例1-3中任意一个实施例所述的放射影像报告的智能随访方法的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
实施例6
一种放射影像报告的智能随访系统,如图5所示,所述智能随访系统包括病理报告获取模块1、影像报告获取模块2、第一提取模块3、第一匹配模块4、标注模块5和随访模块6;
所述病理报告获取模块1用于获取一患者的一病理报告,所述病理报告包括病理报告时间和所述患者的身份信息;
所述影像报告获取模块2用于根据所述身份信息获取所述患者在所述病理报告时间前的一预设时间段内的所有影像报告;
所述第一提取模块3用于分别提取所述病理报告中的病理诊断属性及每个影像报告中的影像诊断属性;
所述第一匹配模块4用于将每组病理诊断属性分别与所述每个影像报告中的影像诊断属性进行匹配,若匹配不成功,则确定匹配不成功的影像报告中的影像诊断是有误的,若匹配成功,则确定匹配成功的影像报告中的影像诊断是正确的;
所述标注模块5用于将表征匹配结果的标签标注在影像报告上;
所述随访模块6用于根据所述标签对对应的患者进行随访。
所述病理诊断属性包括病理定位、病理定性和病理定位与病理定性的病理关联性,所述影像诊断属性包括影像定位、影像定性和影像定位与影像定性的影像关联性。
需要说明的是,实际匹配时,需要将每个对应的诊断属性一一进行匹配,比如:病理报告中的病理定位与影像报告中的影像定位进行匹配;另外,病理报告中可能会提取出多组病理诊断属性,影像报告中也可能会提取出多组影像诊断属性,需要分别将病理报告中的每组病理诊断属性与影像报告中的多组影像诊断属性一一进行匹配,以病理定位与影像定位的匹配为例进行说明,当多个影像定位中有一个影像定位与病理定位匹配一致,则确认影像报告中的影像诊断是正确的,只有当病理定位与所有的影像定位都不匹配时,才确定影像诊断中的影像定位是有误的。另外,本实施例中,除了将匹配结果进行标注外,对于不同的诊断属性也可分别进行标注,比如定位正确、定性不正确等。
本实施例中,在根据时间获取影像报告后,可以基于诊断部位对影像报告进行进一步筛选过滤,参考图5,所述智能随访系统还包括预设模块7、第二提取模块8、第二匹配模块9和滤除模块10;
所述预设模块7用于预设一关联词典,所述关联词典存储有病理部位与放射检查项目的对应关系;
所述第二提取模块8用于提取所述病理报告中的当前病理部位及每个影像报告中的当前放射检查项目;
所述第二匹配模块9用于基于所述关联词典将所述当前病理部位与所述当前放射检查项目进行匹配;
所述滤除模块10用于滤除所述当前放射检查项目与所述当前病理部位不匹配的影像报告;
所述第一提取模块3用于对滤除后的影像报告进行影像诊断属性的提取。
本实施例中,通过对获取到的患者的病理报告及一预设时间内的影像报告进行诊断属性的提取,进一步通过诊断属性的匹配实现病理报告和影像报告的诊断是否一致的判定,从而实现放射影像报告的自动化、智能化的随访。
实施例7
本实施例的放射影像报告的智能随访系统是在实施例6的基础上进一步改进,如图6所示,所述第一提取模块3包括第一报告获取单元31和第一训练单元32;
所述第一报告获取单元31用于获取多个历史报告,所述历史报告中的诊断属性已被标注;
所述第一训练单元32用于将所述历史报告作为训练数据,并基于条件随机场算法训练得到诊断属性识别模型;
所述第一提取模块3用于将所述病理报告和所述影像报告输入所述诊断属性识别模型,输出所述病理诊断属性和所述影像诊断属性。
本实施例中,通过医学顾问对历史报告进行数据标注,将报告文本中的诊断属性(定位、定性、定位与定性的属性关系)标注出来,然后基于条件随机场(CRF)(也可以结合神经网络算法)的方法训练模型,得到的诊断属性识别模型能够识别出新报告中的诊断属性。
实施例8
本实施例的放射影像报告的智能随访系统是在实施例6的基础上进一步改进,如图7所示,所述第一匹配模块4包括第二报告获取单元41、属性提取单元42和第二训练单元43;
所述第二报告获取单元41用于获取多组诊断结果一致性已知的历史病理报告和历史影像报告;
所述属性提取单元42用于分别提取每组历史病理报告中的历史病理诊断属性和历史影像报告中的历史影像诊断属性;
所述第二训练单元43用于将每组历史病理诊断属性和历史影像诊断属性作为一个训练数据,并基于Bert预训练模型与Word2Vec算法训练得到诊断属性匹配模型;
所述第一匹配模块4用于分别将每个影像报告中的影像诊断属性与所述病理报告中的病理诊断属性输入所述诊断属性匹配模型,输出所述每个影像报告与所述病理报告是否匹配的结果。
本实施例中,将历史随访数据(包含已知诊断结果是否一致的历史病理报告和历史影像报告)作为模型的训练数据,使用Bert预训练模型与Word2Vec做文本的特征提取,进而训练得到诊断属性匹配模型,用于获取病理报告中的部位(定位)与疾病(定性)和放射报告中的部位与疾病的匹配结果。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (11)
1.一种放射影像报告的智能随访方法,其特征在于,所述智能随访方法包括:
S10、获取一患者的一病理报告,所述病理报告包括病理报告时间和所述患者的身份信息;
S20、根据所述身份信息获取所述患者在所述病理报告时间前的一预设时间段内的所有影像报告;
S30、分别提取所述病理报告中的病理诊断属性及每个影像报告中的影像诊断属性;
S40、将每组病理诊断属性分别与所述每个影像报告中的影像诊断属性进行匹配;
S50、若匹配不成功,则确定匹配不成功的影像报告中的影像诊断是有误的;若匹配成功,则确定匹配成功的影像报告中的影像诊断是正确的;
S60、将表征匹配结果的标签标注在影像报告上;
S70、根据所述标签对对应的患者进行随访。
2.如权利要求1所述的放射影像报告的智能随访方法,其特征在于,步骤S30之前,所述智能随访方法还包括:
S21、预设一关联词典,所述关联词典存储有病理部位与放射检查项目的对应关系;
S22、提取所述病理报告中的当前病理部位及每个影像报告中的当前放射检查项目;
S23、基于所述关联词典将所述当前病理部位与所述当前放射检查项目进行匹配;
S24、滤除所述当前放射检查项目与所述当前病理部位不匹配的影像报告;
步骤S30中对滤除后的影像报告进行影像诊断属性的提取。
3.如权利要求1所述的放射影像报告的智能随访方法,其特征在于,步骤S30具体包括:
S301、获取多个历史报告,所述历史报告中的诊断属性已被标注;
S302、将所述历史报告作为训练数据,并基于条件随机场算法训练得到诊断属性识别模型;
S303、将所述病理报告和所述影像报告输入所述诊断属性识别模型,输出所述病理诊断属性和所述影像诊断属性。
4.如权利要求1所述的放射影像报告的智能随访方法,其特征在于,步骤S40具体包括:
S401、获取多组诊断结果一致性已知的历史病理报告和历史影像报告;
S402、分别提取每组历史病理报告中的历史病理诊断属性和历史影像报告中的历史影像诊断属性;
S403、将每组历史病理诊断属性和历史影像诊断属性作为一个训练数据,并基于Bert预训练模型与Word2Vec算法训练得到诊断属性匹配模型;
S404、分别将每个影像报告中的影像诊断属性与所述病理报告中的病理诊断属性输入所述诊断属性匹配模型,输出所述每个影像报告与所述病理报告是否匹配的结果。
5.如权利要求1所述的放射影像报告的智能随访方法,其特征在于,所述病理诊断属性包括病理定位、病理定性和病理定位与病理定性的病理关联性,所述影像诊断属性包括影像定位、影像定性和影像定位与影像定性的影像关联性。
6.一种电子设备,包括存储器、处理器及存储在存储器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计算机程序时实现权利要求1至5任一项所述的放射影像报告的智能随访方法。
7.一种计算机可读存储介质,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5任一项所述的放射影像报告的智能随访方法的步骤。
8.一种放射影像报告的智能随访系统,其特征在于,所述智能随访系统包括病理报告获取模块、影像报告获取模块、第一提取模块、第一匹配模块、标注模块和随访模块;
所述病理报告获取模块用于获取一患者的一病理报告,所述病理报告包括病理报告时间和所述患者的身份信息;
所述影像报告获取模块用于根据所述身份信息获取所述患者在所述病理报告时间前的一预设时间段内的所有影像报告;
所述第一提取模块用于分别提取所述病理报告中的病理诊断属性及每个影像报告中的影像诊断属性;
所述第一匹配模块用于将每组病理诊断属性分别与所述每个影像报告中的影像诊断属性进行匹配,若匹配不成功,则确定匹配不成功的影像报告中的影像诊断是有误的,若匹配成功,则确定匹配成功的影像报告中的影像诊断是正确的;
所述标注模块用于将表征匹配结果的标签标注在影像报告上;
所述随访模块用于根据所述标签对对应的患者进行随访。
9.如权利要求8所述的放射影像报告的智能随访系统,其特征在于,所述智能随访系统还包括预设模块、第二提取模块、第二匹配模块和滤除模块;
所述预设模块用于预设一关联词典,所述关联词典存储有病理部位与放射检查项目的对应关系;
所述第二提取模块用于提取所述病理报告中的当前病理部位及每个影像报告中的当前放射检查项目;
所述第二匹配模块用于基于所述关联词典将所述当前病理部位与所述当前放射检查项目进行匹配;
所述滤除模块用于滤除所述当前放射检查项目与所述当前病理部位不匹配的影像报告;
所述第一提取模块用于对滤除后的影像报告进行影像诊断属性的提取。
10.如权利要求8所述的放射影像报告的智能随访系统,其特征在于,所述第一提取模块包括第一报告获取单元和第一训练单元;
所述第一报告获取单元用于获取多个历史报告,所述历史报告中的诊断属性已被标注;
所述第一训练单元用于将所述历史报告作为训练数据,并基于条件随机场算法训练得到诊断属性识别模型;
所述第一提取模块用于将所述病理报告和所述影像报告输入所述诊断属性识别模型,输出所述病理诊断属性和所述影像诊断属性。
11.如权利要求8所述的放射影像报告的智能随访系统,其特征在于,所述第一匹配模块包括第二报告获取单元、属性提取单元和第二训练单元;
所述第二报告获取单元用于获取多组诊断结果一致性已知的历史病理报告和历史影像报告;
所述属性提取单元用于分别提取每组历史病理报告中的历史病理诊断属性和历史影像报告中的历史影像诊断属性;
所述第二训练单元用于将每组历史病理诊断属性和历史影像诊断属性作为一个训练数据,并基于Bert预训练模型与Word2Vec算法训练得到诊断属性匹配模型;
所述第一匹配模块用于分别将每个影像报告中的影像诊断属性与所述病理报告中的病理诊断属性输入所述诊断属性匹配模型,输出所述每个影像报告与所述病理报告是否匹配的结果。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910660410.1A CN110364236A (zh) | 2019-07-22 | 2019-07-22 | 放射影像报告的智能随访方法、系统、设备及存储介质 |
PCT/CN2020/070445 WO2021012637A1 (zh) | 2019-07-22 | 2020-01-06 | 放射影像报告的智能随访方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910660410.1A CN110364236A (zh) | 2019-07-22 | 2019-07-22 | 放射影像报告的智能随访方法、系统、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110364236A true CN110364236A (zh) | 2019-10-22 |
Family
ID=68221105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910660410.1A Pending CN110364236A (zh) | 2019-07-22 | 2019-07-22 | 放射影像报告的智能随访方法、系统、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110364236A (zh) |
WO (1) | WO2021012637A1 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110991535A (zh) * | 2019-12-04 | 2020-04-10 | 中山大学 | 一种基于多类型医学数据的pCR预测方法 |
CN112216381A (zh) * | 2020-10-14 | 2021-01-12 | 南通市第一人民医院 | 一种影像科患者检查核对方法及系统 |
WO2021012637A1 (zh) * | 2019-07-22 | 2021-01-28 | 卫宁健康科技集团股份有限公司 | 放射影像报告的智能随访方法、系统、设备及存储介质 |
CN112382360A (zh) * | 2020-12-03 | 2021-02-19 | 卫宁健康科技集团股份有限公司 | 一种诊断报告自动生成系统、存储介质及电子设备 |
CN112562816A (zh) * | 2020-11-13 | 2021-03-26 | 陈卫霞 | 肿瘤影像报告诊断结果与病理结果对应与评价系统及方法 |
CN112712869A (zh) * | 2021-01-15 | 2021-04-27 | 杨帆 | 从历史影像结构化报告中动态获取随访数据的系统及方法 |
CN113297836A (zh) * | 2021-05-28 | 2021-08-24 | 善诊(上海)信息技术有限公司 | 影像报告标签评估方法、装置、计算机设备和存储介质 |
CN114464288A (zh) * | 2022-04-13 | 2022-05-10 | 广州盛安医学检验有限公司 | 基于互联网的质谱标本数据管理系统 |
CN115132351A (zh) * | 2022-06-23 | 2022-09-30 | 三峡大学 | 基于真实世界研究的诊断数据反馈评价系统及方法 |
CN116343980A (zh) * | 2023-05-30 | 2023-06-27 | 深圳市即达健康医疗科技有限公司 | 一种基于智慧医疗复诊随访数据处理方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080046286A1 (en) * | 2005-09-16 | 2008-02-21 | Halsted Mark J | Computer implemented healthcare monitoring, notifying and/or scheduling system |
US20080310698A1 (en) * | 2007-06-08 | 2008-12-18 | Dieter Boeing | Image acquisition, archiving and rendering system and method for reproducing imaging modality examination parameters used in an initial examination for use in subsequent radiological imaging |
CN105808712A (zh) * | 2016-03-07 | 2016-07-27 | 陈宽 | 将文本类医疗报告转换为结构化数据的智能系统及方法 |
US20160267226A1 (en) * | 2013-11-26 | 2016-09-15 | Koninklijke Philips N.V. | System and method for correlation of pathology reports and radiology reports |
CN106570331A (zh) * | 2016-11-07 | 2017-04-19 | 万里云医疗信息科技(北京)有限公司 | 一种动态诊断报告的生成方法及生成系统 |
CN107273657A (zh) * | 2017-05-15 | 2017-10-20 | 慧影医疗科技(北京)有限公司 | 影像诊断图文报告的生成方法及存储设备 |
CN108198608A (zh) * | 2018-01-31 | 2018-06-22 | 郑会敏 | 一种医学影像诊断系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108319605B (zh) * | 2017-01-16 | 2022-01-28 | 医渡云(北京)技术有限公司 | 医学检查数据的结构化处理方法及系统 |
CN109961828A (zh) * | 2019-03-06 | 2019-07-02 | 卫宁健康科技集团股份有限公司 | 多模态医学影像及报告数据管理方法及系统 |
CN110364236A (zh) * | 2019-07-22 | 2019-10-22 | 卫宁健康科技集团股份有限公司 | 放射影像报告的智能随访方法、系统、设备及存储介质 |
-
2019
- 2019-07-22 CN CN201910660410.1A patent/CN110364236A/zh active Pending
-
2020
- 2020-01-06 WO PCT/CN2020/070445 patent/WO2021012637A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080046286A1 (en) * | 2005-09-16 | 2008-02-21 | Halsted Mark J | Computer implemented healthcare monitoring, notifying and/or scheduling system |
US20080310698A1 (en) * | 2007-06-08 | 2008-12-18 | Dieter Boeing | Image acquisition, archiving and rendering system and method for reproducing imaging modality examination parameters used in an initial examination for use in subsequent radiological imaging |
US20160267226A1 (en) * | 2013-11-26 | 2016-09-15 | Koninklijke Philips N.V. | System and method for correlation of pathology reports and radiology reports |
CN106415555A (zh) * | 2013-11-26 | 2017-02-15 | 皇家飞利浦有限公司 | 用于病理学报告与放射学报告的相关联的系统和方法 |
CN105808712A (zh) * | 2016-03-07 | 2016-07-27 | 陈宽 | 将文本类医疗报告转换为结构化数据的智能系统及方法 |
CN106570331A (zh) * | 2016-11-07 | 2017-04-19 | 万里云医疗信息科技(北京)有限公司 | 一种动态诊断报告的生成方法及生成系统 |
CN107273657A (zh) * | 2017-05-15 | 2017-10-20 | 慧影医疗科技(北京)有限公司 | 影像诊断图文报告的生成方法及存储设备 |
CN108198608A (zh) * | 2018-01-31 | 2018-06-22 | 郑会敏 | 一种医学影像诊断系统 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021012637A1 (zh) * | 2019-07-22 | 2021-01-28 | 卫宁健康科技集团股份有限公司 | 放射影像报告的智能随访方法、系统、设备及存储介质 |
CN110991535A (zh) * | 2019-12-04 | 2020-04-10 | 中山大学 | 一种基于多类型医学数据的pCR预测方法 |
CN112216381A (zh) * | 2020-10-14 | 2021-01-12 | 南通市第一人民医院 | 一种影像科患者检查核对方法及系统 |
CN112216381B (zh) * | 2020-10-14 | 2022-01-25 | 南通市第一人民医院 | 一种影像科患者检查核对方法及系统 |
CN112562816A (zh) * | 2020-11-13 | 2021-03-26 | 陈卫霞 | 肿瘤影像报告诊断结果与病理结果对应与评价系统及方法 |
CN112382360B (zh) * | 2020-12-03 | 2024-05-31 | 卫宁健康科技集团股份有限公司 | 一种诊断报告自动生成系统、存储介质及电子设备 |
CN112382360A (zh) * | 2020-12-03 | 2021-02-19 | 卫宁健康科技集团股份有限公司 | 一种诊断报告自动生成系统、存储介质及电子设备 |
CN112712869A (zh) * | 2021-01-15 | 2021-04-27 | 杨帆 | 从历史影像结构化报告中动态获取随访数据的系统及方法 |
CN113297836A (zh) * | 2021-05-28 | 2021-08-24 | 善诊(上海)信息技术有限公司 | 影像报告标签评估方法、装置、计算机设备和存储介质 |
CN114464288B (zh) * | 2022-04-13 | 2022-07-05 | 广州盛安医学检验有限公司 | 基于互联网的质谱标本数据管理系统 |
CN114464288A (zh) * | 2022-04-13 | 2022-05-10 | 广州盛安医学检验有限公司 | 基于互联网的质谱标本数据管理系统 |
CN115132351A (zh) * | 2022-06-23 | 2022-09-30 | 三峡大学 | 基于真实世界研究的诊断数据反馈评价系统及方法 |
CN116343980A (zh) * | 2023-05-30 | 2023-06-27 | 深圳市即达健康医疗科技有限公司 | 一种基于智慧医疗复诊随访数据处理方法及系统 |
CN116343980B (zh) * | 2023-05-30 | 2023-08-29 | 深圳市即达健康医疗科技有限公司 | 一种基于智慧医疗复诊随访数据处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2021012637A1 (zh) | 2021-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110364236A (zh) | 放射影像报告的智能随访方法、系统、设备及存储介质 | |
CN111160367B (zh) | 图像分类方法、装置、计算机设备和可读存储介质 | |
US9779505B2 (en) | Medical data processing apparatus and method | |
CN110114834A (zh) | 用于医疗程序的深度学习医疗系统和方法 | |
US20160071264A1 (en) | Medical image dectection system and method | |
CN103705306A (zh) | 手术支持系统 | |
CN101023885A (zh) | 用于跟踪疾病的进展及治疗的系统、方法和设备 | |
EP3316258A1 (en) | Query with data distribution in a hospital network | |
CN111986182A (zh) | 辅助诊断方法、系统、电子设备及存储介质 | |
CN111274400B (zh) | 一种医学术语系统的构建方法、装置、设备及存储介质 | |
CN106021966A (zh) | 识别芯片内参数的读取和修改方法及装置 | |
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 | |
WO2019037263A1 (zh) | 基于pacs数据库的医疗检查影像分配系统及方法 | |
EP3659150B1 (en) | Device, system, and method for optimizing image acquisition workflows | |
US20200027534A1 (en) | Device, system, and method for updating problem lists | |
CN111311587A (zh) | 医学影像数据处理方法、装置、医学信息系统及介质 | |
CN111164703B (zh) | 用于确定何时要选择有限的超声心动描记检查的设备、系统和方法 | |
CN113808181A (zh) | 医学图像的处理方法、电子设备和存储介质 | |
CN111863203A (zh) | 一种放疗数据的分类方法、装置、设备及存储介质 | |
JP7216660B2 (ja) | 下流のニーズを総合することにより読み取り環境を決定するためのデバイス、システム、及び方法 | |
CN111915554B (zh) | 一种基于x光影像的骨折检测定位一体化方法及装置 | |
CN111105872A (zh) | 医学影像人工智能辅助诊断系统与pacs的交互方法与装置 | |
WO2018077776A1 (en) | Device, system, and method for optimizing usage of prior studies | |
CN110085287A (zh) | 一种对病历中数值记录进行质量控制的方法 | |
US20220277452A1 (en) | Methods for analyzing and reducing inter/intra site variability using reduced reference images and improving radiologist diagnostic accuracy and consistency |
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: 20191022 |
|
RJ01 | Rejection of invention patent application after publication |