CN110706815A - 一种影像报告的评估方法、装置及电子设备 - Google Patents
一种影像报告的评估方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110706815A CN110706815A CN201911173032.0A CN201911173032A CN110706815A CN 110706815 A CN110706815 A CN 110706815A CN 201911173032 A CN201911173032 A CN 201911173032A CN 110706815 A CN110706815 A CN 110706815A
- Authority
- CN
- China
- Prior art keywords
- focus
- image
- report
- corresponding relation
- original
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 22
- 238000003745 diagnosis Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 42
- 230000003902 lesion Effects 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 13
- 238000012552 review Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000012550 audit Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 11
- 241001270131 Agaricus moelleri Species 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 description 18
- 210000004072 lung Anatomy 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 210000000038 chest Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 208000008771 Lymphadenopathy Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 210000001099 axilla Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000005337 ground glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000001370 mediastinum Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 210000004224 pleura Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 210000000779 thoracic wall Anatomy 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种影像报告的评估方法、装置及电子设备,该方法包括:读取影像原始报告,获取影像原始报告中的病灶和位置的第一对应关系;读取影像报告对应的Dicom数据,获取Dicom数据中病灶和位置的第二对应关系;将第二对应关系发送给医生进行审核,得到病灶和位置的第三对应关系;将所述第一对应关系与所述第三对应关系进行对比,依据对比结果对所述影像原始报告进行评估。上述方法中,加入了通过读取Dicom数据确定第二对应关系的过程,将第二对应关系与医生的判断相结合,避免了医生可能会由于疲劳、医生的年资、诊断需求量过大或者人眼对影像中有些灰度的差异区分不出等原因,影像报告的准确率会降低的问题。
Description
技术领域
本发明涉及医疗技术领域,尤其涉及一种影像报告的评估方法、装置及电子设备。
背景技术
如今,医疗机构中影像报告的生成主要是通过管理机制进行约束:一般情况影像报告须两名及以上医生签发,原则上审核医生职称应为中级以上(含中级),急诊报告可由一名医生签发,但患者须留下可靠联系方式,次日会进行急诊影像复审,发现差错应及时与患者或相关科室联系,及时更正急诊影像报告为正式影像报告。
现有的影像报告的生成过程中主要依靠医生的判断,但是医生可能会由于疲劳、医生的年资、诊断需求量过大或者人眼对影像中有些灰度的差异区分不出等原因,影像报告的准确率会降低。
亟需提供一种影像报告的评估方法来避免由于上述原因带来的影像报告准确率的问题。
发明内容
有鉴于此,本发明提供一种影像报告的评估方法、装置及电子设备,用以解决现有的影像报告的生成过程中主要依靠医生的判断,但是医生可能会由于疲劳、医生的年资、诊断需求量过大或者人眼对影像中有些灰度的差异区分不出等原因,影响影像报告准确率的问题,具体方案如下:
一种影像报告的评估方法,包括:
读取影像原始报告,获取所述影像原始报告中的病灶和位置的第一对应关系;
读取所述影像报告对应的Dicom数据,获取所述Dicom数据中病灶和位置的第二对应关系;
将所述第二对应关系发送给医生进行审核,得到病灶和位置的第三对应关系;
将所述第一对应关系与所述第三对应关系进行对比,依据对比结果对所述影像原始报告进行评估。
上述的方法,可选的,读取影像原始报告,获取所述影像原始报告中的病灶和位置的第一对应关系,包括:
获取与所述影像原始报告匹配的病灶字典和位置字典;
依据所述病灶字典和所述位置字典,对所述影像原始报告中的影像结果进行依存句法分析,确定病灶和位置的第一对应关系。
上述的方法,可选的,读取所述影像报告对应的Dicom数据,获取所述Dicom数据中病灶和位置的第二对应关系,包括:
对所述Dicom数据的有效性进行验证;
当验证通过时,依据所述Dicom数据,采用AI的病灶检出和病灶分割模型,确定病灶和位置的第二对应关系。
上述的方法,可选的,将所述第二对应关系发送给医生进行审核,得到病灶和位置的第三对应关系,包括:
将所述第二对应关系分别发送给两名医生进行审核,得到第一审核结果和第二审核结果;
将所述第一审核结果和所述第二审核结果进行合并,得到病灶和位置的第三对应关系。
上述的方法,可选的,将所述第一对应关系与所述第三对应关系进行对比,依据对比结果对所述影像原始报告进行评估,包括:
判断所述第一对应关系与所述第三对应关系是否相同;
若是,判定所述影像原始报告中不存在漏诊,或;
若否,判定所述影像原始报告中存在漏诊,确定漏诊病灶和所述漏诊病灶的位置,将所述漏诊病灶和所述漏诊病灶的位置关系添加到所述原始影像报告中。
一种影像报告的评估装置,包括:
第一读取和获取模块,用于读取影像原始报告,获取所述影像原始报告中的病灶和位置的第一对应关系;
第二读取和获取模块,用于读取所述影像报告对应的Dicom数据,获取所述Dicom数据中病灶和位置的第二对应关系;
审核模块,用于将所述第二对应关系发送给医生进行审核,得到病灶和位置的第三对应关系;
对比和评估模块,用于将所述第一对应关系与所述第三对应关系进行对比,依据对比结果对所述影像原始报告进行评估。
上述的装置,可选的,所述第一读取和获取模块包括:
获取单元,用于获取与所述影像原始报告匹配的病灶字典和位置字典;
分析确定单元,用于依据所述病灶字典和所述位置字典,对所述影像原始报告中的影像结果进行依存句法分析,确定病灶和位置的第一对应关系。
上述的装置,可选的,所述第二读取和获取模块包括:
验证单元,用于对所述Dicom数据的有效性进行验证;
第一确定单元,用于当验证通过时,依据所述Dicom数据,采用AI的病灶检出和病灶分割模型,确定病灶和位置的第二对应关系。
上述的装置,可选的,所述审核模块包括;
审核单元,用于将所述第二对应关系分别发送给两名医生进行审核,得到第一审核结果和第二审核结果;
合并单元,用于将所述第一审核结果和所述第二审核结果进行合并,得到病灶和位置的第三对应关系。
上述的装置,可选的,所述对比和评估模块包括:
判断单元,用于判断所述第一对应关系与所述第三对应关系是否相同;
第二确定单元,用于若是,判定所述影像原始报告中不存在漏诊;
添加单元,用于若否,判定所述影像原始报告中存在漏诊,确定漏诊病灶和所述漏诊病灶的位置,将所述漏诊病灶和所述漏诊病灶的位置关系添加到所述原始影像报告中。
一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于执行上述的影像报告的评估方法。
与现有技术相比,本发明包括以下优点:
本发明公开了一种影像报告的评估方法、装置及电子设备,该方法包括:读取影像原始报告,获取影像原始报告中的病灶和位置的第一对应关系;读取影像报告对应的Dicom数据,获取Dicom数据中病灶和位置的第二对应关系;将第二对应关系发送给医生进行审核,得到病灶和位置的第三对应关系;将所述第一对应关系与所述第三对应关系进行对比,依据对比结果对所述影像原始报告进行评估。上述方法中,加入了通过读取Dicom数据确定第二对应关系的过程,将第二对应关系与医生的判断相结合,避免了医生可能会由于疲劳、医生的年资、诊断需求量过大或者人眼对影像中有些灰度的差异区分不出等原因,影像报告的准确率会降低的问题。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种影像报告的评估方法流程图;
图2为本申请实施例公开的一种影像报告的评估方法又一流程图;
图3为本申请实施例公开的一种影像报告的评估方法又一流程图;
图4为本申请实施例公开的一种影像报告的评估装置结构框图;
图5为本申请提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
本发明公开了一种影像报告的评估方法、装置及电子设备,应用在医疗技术邻域影像报告的生成过程中,来解决现有技术中影像报告的生成过程中主要依靠医生的判断,但是医生可能会由于疲劳、医生的年资、诊断需求量过大或者人眼对影像中有些灰度的差异区分不出等原因,导致的影像报告的准确率低的问题,所述生成方法的执行流程如图1所示,包括步骤:
S101、读取影像原始报告,获取所述影像原始报告中的病灶和位置的第一对应关系;
本发明实施例中,所述原始影像报告是医生诊断得到的,在RIS/PACS系统中读取所述影像原始报告,采用自然语言识别技术对所述影像原始报告中的影像结论进行识别,识别出所述影像原始报告病灶和位置的第一对应关系,依据所述第一对应关系构建第一病灶检出表。
S102、读取所述影像报告对应的Dicom数据,获取所述Dicom数据中病灶和位置的第二对应关系;
本发明实施例中,在所述RIS/PACS系统中读取所述原始影像报告中的Dicom数据,采用人工智能AI(Artificial Intelligence)技术获取所述Dicom数据中病灶和位置的第二对应关系,并将其在原始影像进行标记,依据所述第二对应关系构建第二病灶检出表。
S103、将所述第二对应关系发送给医生进行审核,得到病灶和位置的第三对应关系;
本发明实施例中,将所述第二对应关系分别发送给两名或者两名以上医生进行审核,两名及以上的医生审核虽然准确率更高,但是效率较低,本发明实施例中以选取两名医生(第一医生和第二医生)进行审核为例进行说明,两名医生分别采用专用的标注工具背靠背完成对所述第二对应关系的审核工作,审核的主要内容包括:通过专用工具提供的影像集成阅片界面,查看AI在原始影像中的标记所示的疑似病灶,医生依据影像学表现、医学知识、病灶多层展示等对所标注的一死病灶进行判断,是否为真阳(真实病灶),如果不是,则使用工具对剔除,确认AI分类的疑似病灶名称(类型)是否正确,如果AI出现误差,医生可对疑似病灶的名称进行修改,确认AI分割所得疑似病灶位置是否正确,医生可对疑似病灶的位置进行修改,审核以后,得到第一医生的第一审核结果和第二医生的第二审核结果,针对病变的选择以及确认方面,在所述第一审核结果和所述第二审核结果中两名医生皆认可的病灶和位置,作为最后的结果保留,得到第三对应关系。
本发明实施例中,通过NLP对所述影像原始报告进行处理得到的第一对应关系,实际上已经代表了院方医生的结果。若按照少数服从多数的原则,则新检出的病变需两名确认医生一致认可才能纳入最后的结果;如果两名医生不一致,则原影像结果不变。
S104、将所述第一对应关系与所述第三对应关系进行对比,依据对比结果对所述影像原始报告进行评估。
本发明实施例中,将所述第一对应关系与所述第三对应关系进行对比,判断所述第一对应关系与所述第三对应关系是否相同。若是,判定所述影像原始报告中不存在漏诊,或,若否,判定所述影像原始报告中存在漏诊,确定漏诊病灶和所述漏诊病灶的位置,将所述漏诊病灶和所述漏诊病灶的位置关系添加到所述原始影像报告中。
进一步的,若AI对病灶的检出带有对病灶名称及严重性的分析,也可以将其加入到所述影像目标报告中,对上述的数据进行存储至数据库中,对所述数据库中的数据进行统计分析,例如,可以对患者的年龄性别以及对应的病灶性质、位置等综合分析以及图表可视化展示,依据此结论可以量化分析一个阶段内医疗机构的影像报告质量情况。且在一定程度上帮助医生了解阅片需要进一步关注的地方(如肺门附近的磨玻璃结节易被忽视等等)。
本发明公开了一种影像报告的评估方法,包括:读取影像原始报告,获取影像原始报告中的病灶和位置的第一对应关系;读取影像报告对应的Dicom数据,获取Dicom数据中病灶和位置的第二对应关系;将第二对应关系发送给医生进行审核,得到病灶和位置的第三对应关系;将所述第一对应关系与所述第三对应关系进行对比,依据对比结果对所述影像原始报告进行评估。上述方法中,加入了通过读取Dicom数据确定第二对应关系的过程,将第二对应关系与医生的判断相结合,避免了医生可能会由于疲劳、医生的年资、诊断需求量过大或者人眼对影像中有些灰度的差异区分不出等原因,影像报告的准确率会降低的问题。
本发明实施例中,读取影像原始报告,获取所述影像原始报告中的病灶和位置的第一对应关系的方法流程如图1所示,包括步骤:
S201、获取与所述影像原始报告匹配的病灶字典和位置字典;
本发明实施例中,由于不同医院、不同医生的影像报告编写并非完全结构化,需要依据不同的报告来源,进行字典库的不断更新与维护。报告分词字典库主要包含两类:病灶字典和位置字典。如常见病灶描述为:斑块、条索、结节、囊状灶、密度影等;常见位置描述为:左肺上叶、右侧第10根肋骨等,可以依据医院的不同设置不同的病灶字典和位置字典,并为字典与与医院之间建立对应的标识,也可以采用统一的病灶字典和位置字典,具体如何选取可以依据实际情况进行设定。
S202、依据所述病灶字典和所述位置字典,对所述影像原始报告中的影像结果进行依存句法分析,确定病灶和位置的第一对应关系。
本发明实施例中,所述病灶字典和所述位置字典,调用自然语言处理对所述影像结果进行依存句法分析,得到病灶和位置的实体第一对应关系。从而建立所述影像原始报告的第一病灶检出表。例如所述影像原始报告中的影像所见示例为:“两侧胸廓对称,气管、支气管开口通畅。右肺上叶前段(IMG22)见磨玻璃小结节影,直径小于5mm。左肺(IMG12、15、19、37)见实性小结节影,直径小于5mm。纵隔及两侧肺门、腋窝未见明显肿块或肿大淋巴结影,心影不大,两侧胸膜未见肥厚,胸腔内未见积液,胸壁软组织未见异常影像结论示例为:“右肺上叶前段磨玻璃小结节,随诊复查(1年)。左肺多发实性小结节,随诊。”NLP报告分析是指针对影像所见及影像结论进行NLP分析,得到报告中所描述的疾病类型。如:“磨玻璃结节”–“右肺上叶前段”。
本发明实施例中,取所述影像报告中的Dicom数据,获取所述Dicom数据中病灶和位置的第二对应关系的方法流程图如图3所示,包括步骤:
S301、对所述Dicom数据的有效性进行验证;
本发明实施例中,对所述Dicom数据的有效性进行验证主要包括:所述Dicom数据是否为CT、所述Dicom数据的窗宽、窗位是否符合要求和所述Dicom数据是否连续、并且多层的数据层厚层距是否保持一致。针对是否为CT:依据标准Dicom3.0协议中,有字段可以标识是否为CT;针对窗宽。窗位是否符合要求:依据标准Dicom3.0协议中,有针对窗宽窗位字段,如对肺CT检查,仅留下符合肺部筛查特征的样本。针对Dicom数据是否连续、并且多层的数据层厚层距是否保持一致:对于CT图像,每张Dicom影像有SliceId标识,需要筛选同一层厚图像,并判断样本量大小,是否符合一次完整的检查。
S302、当验证通过时,依据所述Dicom数据,采用AI的病灶检出和病灶分割模型,确定病灶和位置的第二对应关系。
本发明实施例中,当上述三项均验证通过时,依据所述Dicom数据,采用AI的病灶检出和病灶分割模型,确定病灶和位置的第二对应关系,以肺结节筛查为例,1)病灶检出,指的是依据深度学习算法依据特征找到病灶;2)位置是指依据病灶检出的坐标,进行判断属于哪个肺叶肺段,常见的位置有:左肺上叶尖后段等。还可以采用病灶分类模型指依据病灶的特征,进行分类,判断病灶类型:磨玻璃结节、实性结节、钙化结节、肿块等。
本发明实施例中,当上述三项中至少一项未通过验证时,对所述Dicom数据中比满足要求的项进行调整,调整的方式可以为重新扫描或者重新截取特征等,直至满足要求为止。
上述的生成方法中,相较于现有技术的比较如下:
针对效率来说,原来对影像报告的审核全部由人工完成,相当于审核医师还需要对原始影像从头阅读一遍。以胸部CT影像为例,传统平均阅片时长>5分钟;经过AI辅助,仅需确认病灶情况的阅片方式,时长在2分钟以内,效率提升一倍多;
针对质量来说,原来阅片依赖的是人眼进行影像识别,依旧存在医师疲劳、阅片时间短、灰阶识别差等问题;使用本发明实施例所述方法后,仅需确认AI检出病灶的阴阳、属性等,不需要全部查阅,降低了医师工作量;AI识别快,阅片流程优化,提升了效率,提升阅片速度;AI(计算机GPU)对于灰阶的识别能力远高于人眼,可以发现更小、灰阶差异不明显、器官边缘、血管周围等比较难发现的病灶,有助于提升病灶的检出率;
针对风险控制来说,原来医生的流程通过一线医生撰写二线医生审核后便发出报告,本发明在原有医生的流程上添加了一层人工智能的筛查保险。优点有二:1.降低医生/医院可能的医疗纠纷风险2.避免患者因为遗漏病变检出而导致延误治疗,病情恶化等。
基于上述的一种影像报告的评估方法,本发明实施例中还提供了一种影像报告的评估装置,所述生成装置的结构框图如图4所示,包括:
第一读取和获取模块401、第二读取和获取模块402、审核模块403和对比和评估模块404。
所述第一读取和获取模块401,用于读取影像原始报告,获取所述影像原始报告中的病灶和位置的第一对应关系;
所述第二读取和获取模块402,用于读取所述影像报告中对应的Dicom数据,获取所述Dicom数据中病灶和位置的第二对应关系;
所诉审核模块403,用于将所述第二对应关系发送给医生进行审核,得到病灶和位置的第三对应关系;
所述对比和评估模块404,用于将所述第一对应关系与所述第三对应关系进行对比,依据对比结果对所述影像原始报告进行评估。。
本发明公开了一种影像报告的评估装置,包括:读取影像原始报告,获取影像原始报告中的病灶和位置的第一对应关系;读取影像报告对应的Dicom数据,获取Dicom数据中病灶和位置的第二对应关系;将第二对应关系发送给医生进行审核,得到病灶和位置的第三对应关系;将所述第一对应关系与所述第三对应关系进行对比,依据对比结果对所述影像原始报告进行评估。上述装置中,加入了通过读取Dicom数据确定第二对应关系的过程,将第二对应关系与医生的判断相结合,避免了医生可能会由于疲劳、医生的年资、诊断需求量过大或者人眼对影像中有些灰度的差异区分不出等原因,影像报告的准确率会降低的问题。
本发明实施例中,所述第一读取和获取模块401包括:
获取单元405和分析确定单元406。
所述获取单元405,用于获取与所述影像原始报告匹配的病灶字典和位置字典;
所述分析确定单元406,用于依据所述病灶字典和所述位置字典,对所述影像原始报告中的影像结果进行依存句法分析,确定病灶和位置的第一对应关系。
本发明实施例中,所述第二读取和获取模块402包括:
验证单元407和第一确定单元408。
其中,
所述验证单元407,用于对所述Dicom数据的有效性进行验证;
所诉第一确定单元408,用于当验证通过时,依据所述Dicom数据,采用AI的病灶检出和病灶分割模型,确定病灶和位置的第二对应关系。
本发明实施例中,所述审核模块403包括;
审核单元409和合并单元410。
其中
所述审核单元409,用于将所述第二对应关系分别发送给两名医生进行审核,得到第一审核结果和第二审核结果;
所述合并单元410,用于将所述第一审核结果和所述第二审核结果进行合并,得到病灶和位置的第三对应关系。
本发明实施例中,所述对比和生成模块404包括:
判断单元411、第二确定单元412和添加单元413。
其中,
所述判断单元411,用于判断所述第一对应关系与所述第三对应关系是否相同;
所述第二确定单元412,用于若是,判定所述影像原始报告中不存在漏诊,或;
所述添加单元413,用于若否,判定所述影像原始报告中存在漏诊,确定漏诊病灶和所述漏诊病灶的位置,将所述漏诊病灶和所述漏诊病灶的位置关系添加到所述原始影像报告中。
本发明实施例还提供了一种电子设备,其结构示意图如图5所示,具体包括存储器501,以及一个或者一个以上的可执行指令502,其中,所述可执行指令502存储于存储器501中,且经配置由一个或者一个以上处理器503执行所述可执行指令502进行以下操作:
读取影像原始报告,获取所述影像原始报告中的病灶和位置的第一对应关系;
读取所述影像报告对应的Dicom数据,获取所述Dicom数据中病灶和位置的第二对应关系;
将所述第二对应关系发送给医生进行审核,得到病灶和位置的第三对应关系;
将所述第一对应关系与所述第三对应关系进行对比,依据对比结果对所述影像原始报告进行评估。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,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。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明所提供的一种影像报告的评估方法、装置及电子设备进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (11)
1.一种影像报告的评估方法,其特征在于,包括:
读取影像原始报告,获取所述影像原始报告中的病灶和位置的第一对应关系;
读取所述影像报告对应的Dicom数据,获取所述Dicom数据中病灶和位置的第二对应关系;
将所述第二对应关系发送给医生进行审核,得到病灶和位置的第三对应关系;
将所述第一对应关系与所述第三对应关系进行对比,依据对比结果对所述影像原始报告进行评估。
2.根据权利要求1所述的方法,其特征在于,读取影像原始报告,获取所述影像原始报告中的病灶和位置的第一对应关系,包括:
获取与所述影像原始报告匹配的病灶字典和位置字典;
依据所述病灶字典和所述位置字典,对所述影像原始报告中的影像结果进行依存句法分析,确定病灶和位置的第一对应关系。
3.根据权利要求1所述的方法,其特征在于,读取所述影像报告对应的Dicom数据,获取所述Dicom数据中病灶和位置的第二对应关系,包括:
对所述Dicom数据的有效性进行验证;
当验证通过时,依据所述Dicom数据,采用AI的病灶检出和病灶分割模型,确定病灶和位置的第二对应关系。
4.根据权利要求1所述的方法,其特征在于,将所述第二对应关系发送给医生进行审核,得到病灶和位置的第三对应关系,包括:
将所述第二对应关系分别发送给两名医生进行审核,得到第一审核结果和第二审核结果;
将所述第一审核结果和所述第二审核结果进行合并,得到病灶和位置的第三对应关系。
5.根据权利要求1所述的方法,其特征在于,将所述第一对应关系与所述第三对应关系进行对比,依据对比结果对所述影像原始报告进行评估,包括:
判断所述第一对应关系与所述第三对应关系是否相同;
若是,判定所述影像原始报告中不存在漏诊,或;
若否,判定所述影像原始报告中存在漏诊,确定漏诊病灶和所述漏诊病灶的位置,将所述漏诊病灶和所述漏诊病灶的位置关系添加到所述原始影像报告中。
6.一种影像报告的评估装置,其特征在于,包括:
第一读取和获取模块,用于读取影像原始报告,获取所述影像原始报告中的病灶和位置的第一对应关系;
第二读取和获取模块,用于读取所述影像报告对应的Dicom数据,获取所述Dicom数据中病灶和位置的第二对应关系;
审核模块,用于将所述第二对应关系发送给医生进行审核,得到病灶和位置的第三对应关系;
对比和评估模块,用于将所述第一对应关系与所述第三对应关系进行对比,依据对比结果对所述影像原始报告进行评估。
7.根据权利要求6所述的装置,其特征在于,所述第一读取和获取模块包括:
获取单元,用于获取与所述影像原始报告匹配的病灶字典和位置字典;
分析确定单元,用于依据所述病灶字典和所述位置字典,对所述影像原始报告中的影像结果进行依存句法分析,确定病灶和位置的第一对应关系。
8.根据权利要求6所述的装置,其特征在于,所述第二读取和获取模块包括:
验证单元,用于对所述Dicom数据的有效性进行验证;
第一确定单元,用于当验证通过时,依据所述Dicom数据,采用AI的病灶检出和病灶分割模型,确定病灶和位置的第二对应关系。
9.根据权利要求6所述的装置,其特征在于,所述审核模块包括;
审核单元,用于将所述第二对应关系分别发送给两名医生进行审核,得到第一审核结果和第二审核结果;
合并单元,用于将所述第一审核结果和所述第二审核结果进行合并,得到病灶和位置的第三对应关系。
10.根据权利要求6所述的装置,其特征在于,所述对比和评估模块包括:
判断单元,用于判断所述第一对应关系与所述第三对应关系是否相同;
第二确定单元,用于若是,判定所述影像原始报告中不存在漏诊;
添加单元,用于若否,判定所述影像原始报告中存在漏诊,确定漏诊病灶和所述漏诊病灶的位置,将所述漏诊病灶和所述漏诊病灶的位置关系添加到所述原始影像报告中。
11.一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于执行上述权利要求1至5任一所述的影像报告的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911173032.0A CN110706815A (zh) | 2019-11-26 | 2019-11-26 | 一种影像报告的评估方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911173032.0A CN110706815A (zh) | 2019-11-26 | 2019-11-26 | 一种影像报告的评估方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110706815A true CN110706815A (zh) | 2020-01-17 |
Family
ID=69207747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911173032.0A Pending CN110706815A (zh) | 2019-11-26 | 2019-11-26 | 一种影像报告的评估方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110706815A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476776A (zh) * | 2020-04-07 | 2020-07-31 | 上海联影智能医疗科技有限公司 | 胸部病灶位置确定方法、系统、可读存储介质和设备 |
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 |
CN111681730A (zh) * | 2020-05-22 | 2020-09-18 | 上海联影智能医疗科技有限公司 | 医学影像报告的分析方法和计算机可读存储介质 |
CN113140293A (zh) * | 2020-01-20 | 2021-07-20 | 深圳市理邦精密仪器股份有限公司 | 一种医疗项目的审核方法及相关装置 |
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 |
CN113421644A (zh) * | 2021-07-21 | 2021-09-21 | 杭州太美星程医药科技有限公司 | 辅助评估方法及装置、计算机可读存储介质及电子设备 |
CN113658175A (zh) * | 2021-09-02 | 2021-11-16 | 数坤(北京)网络科技股份有限公司 | 一种征象数据的确定方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201636947A (zh) * | 2015-04-10 | 2016-10-16 | Taipei Medical University Shuang Ho Hospital | 醫療影像報告評核回饋系統 |
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 |
CN107610773A (zh) * | 2017-09-12 | 2018-01-19 | 北京即刻叁维数据科技股份有限公司 | 一种基于主动脉医学影像的血管夹层辅助诊断方法 |
KR20190060606A (ko) * | 2017-11-24 | 2019-06-03 | 삼성전자주식회사 | 의료 영상 진단 장치 및 방법 |
CN110097969A (zh) * | 2019-05-10 | 2019-08-06 | 安徽科大讯飞医疗信息技术有限公司 | 一种诊断报告的分析方法、装置及设备 |
CN110335665A (zh) * | 2019-04-01 | 2019-10-15 | 佛山原子医疗设备有限公司 | 一种应用于医学图像辅助诊断分析的以图搜图方法及系统 |
CN110379492A (zh) * | 2019-07-24 | 2019-10-25 | 复旦大学附属中山医院青浦分院 | 一种全新的ai+pacs系统及其检查报告构建方法 |
-
2019
- 2019-11-26 CN CN201911173032.0A patent/CN110706815A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201636947A (zh) * | 2015-04-10 | 2016-10-16 | Taipei Medical University Shuang Ho Hospital | 醫療影像報告評核回饋系統 |
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 |
CN107610773A (zh) * | 2017-09-12 | 2018-01-19 | 北京即刻叁维数据科技股份有限公司 | 一种基于主动脉医学影像的血管夹层辅助诊断方法 |
KR20190060606A (ko) * | 2017-11-24 | 2019-06-03 | 삼성전자주식회사 | 의료 영상 진단 장치 및 방법 |
CN110335665A (zh) * | 2019-04-01 | 2019-10-15 | 佛山原子医疗设备有限公司 | 一种应用于医学图像辅助诊断分析的以图搜图方法及系统 |
CN110097969A (zh) * | 2019-05-10 | 2019-08-06 | 安徽科大讯飞医疗信息技术有限公司 | 一种诊断报告的分析方法、装置及设备 |
CN110379492A (zh) * | 2019-07-24 | 2019-10-25 | 复旦大学附属中山医院青浦分院 | 一种全新的ai+pacs系统及其检查报告构建方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113140293A (zh) * | 2020-01-20 | 2021-07-20 | 深圳市理邦精密仪器股份有限公司 | 一种医疗项目的审核方法及相关装置 |
CN111476776A (zh) * | 2020-04-07 | 2020-07-31 | 上海联影智能医疗科技有限公司 | 胸部病灶位置确定方法、系统、可读存储介质和设备 |
CN111476776B (zh) * | 2020-04-07 | 2023-09-26 | 上海联影智能医疗科技有限公司 | 胸部病灶位置确定方法、系统、可读存储介质和设备 |
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 |
CN111681730A (zh) * | 2020-05-22 | 2020-09-18 | 上海联影智能医疗科技有限公司 | 医学影像报告的分析方法和计算机可读存储介质 |
CN111681730B (zh) * | 2020-05-22 | 2023-10-27 | 上海联影智能医疗科技有限公司 | 医学影像报告的分析方法和计算机可读存储介质 |
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 |
CN113421644A (zh) * | 2021-07-21 | 2021-09-21 | 杭州太美星程医药科技有限公司 | 辅助评估方法及装置、计算机可读存储介质及电子设备 |
CN113658175A (zh) * | 2021-09-02 | 2021-11-16 | 数坤(北京)网络科技股份有限公司 | 一种征象数据的确定方法及装置 |
CN113658175B (zh) * | 2021-09-02 | 2023-08-18 | 数坤(北京)网络科技股份有限公司 | 一种征象数据的确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110706815A (zh) | 一种影像报告的评估方法、装置及电子设备 | |
Schreuder et al. | Artificial intelligence for detection and characterization of pulmonary nodules in lung cancer CT screening: ready for practice? | |
Jacob et al. | Predicting outcomes in idiopathic pulmonary fibrosis using automated computed tomographic analysis | |
US20200388385A1 (en) | Efficient diagnosis confirmation of a suspect condition for certification and/or re-certification by a clinician | |
US8412544B2 (en) | Method and apparatus of determining a radiation dose quality index in medical imaging | |
US8018487B2 (en) | Method and apparatus for automated quality assurance in medical imaging | |
KR20190071724A (ko) | 의료 이미지 해석을 위한 시스템 및 방법 | |
US20220172809A9 (en) | Report generating system and methods for use therewith | |
US20050137910A1 (en) | Systems and methods for automated extraction and processing of billing information in patient records | |
US20040172297A1 (en) | Systems and methods for automated extraction and processing of billing information in patient records | |
Bender et al. | Interrater agreement in the evaluation of discrepant imaging findings with the Radpeer system | |
US20110276346A1 (en) | Automated method for medical quality assurance | |
Aggarwal et al. | Opportunistic diagnosis of osteoporosis, fragile bone strength and vertebral fractures from routine CT scans; a review of approved technology systems and pathways to implementation | |
Ghosh et al. | Early Deterioration Indicator: Data-driven approach to detecting deterioration in general ward | |
JP2010515557A (ja) | 画像処理システム、及び方法。 | |
Sørensen et al. | Chronic obstructive pulmonary disease quantification using CT texture analysis and densitometry: results from the Danish lung cancer screening trial | |
US20220253592A1 (en) | System with report analysis and methods for use therewith | |
US20220148727A1 (en) | Cad device and method for analysing medical images | |
Snoeckx et al. | The radiologist’s role in lung cancer screening | |
Meng et al. | Radiograph-comparable image synthesis for spine alignment analysis using deep learning with prospective clinical validation | |
Wang et al. | Toward standardized premarket evaluation of computer aided diagnosis/detection products: insights from FDA-approved products | |
US20170277853A1 (en) | Data-driven performance based system for adapting advanced event detection algorithms to existing frameworks | |
Axelsson et al. | Respiratory function and CT abnormalities among survivors of COVID-19 pneumonia: a nationwide follow-up study | |
CN115440371A (zh) | 一种胸部疾病诊断模型及其创建方法和装置 | |
JP2023517576A (ja) | 放射線医のフィンガープリンティング |
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: 20200117 |