CN110827958A - 一种医疗影像数据及时采集系统与方法 - Google Patents
一种医疗影像数据及时采集系统与方法 Download PDFInfo
- Publication number
- CN110827958A CN110827958A CN201911060215.1A CN201911060215A CN110827958A CN 110827958 A CN110827958 A CN 110827958A CN 201911060215 A CN201911060215 A CN 201911060215A CN 110827958 A CN110827958 A CN 110827958A
- Authority
- CN
- China
- Prior art keywords
- data
- image data
- module
- image
- real
- 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.)
- Granted
Links
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
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种医疗影像数据及时采集系统,包括采集器、影像消息队列模块、影像数据实时消费模块、影像数据实时传输模块、影像数据结构化处理模块、离线数据写入模块及离线数据读取模块,所述影像消息队列模块,用于将接收的医疗影像数据封装成消息,按照列队排序实现数据的先进先出;所述影像数据实时消费模块,用于从影像消息队列的头部进行实时依次消费,并进行消息解析,逐一获取影像数据,并将解析获取的影像数据同时发送给影像数据实时传输模块和影像数据结构化处理模块。本发明有助于疾病的及时诊断即形成医疗数据流通闭环实现数据的快速流动与及时性,为医疗信息系统建设提供数据支撑。
Description
技术领域
本发明涉及医疗影像数据采集领域,具体涉及一种医疗影像数据及时采集系统与方法。
背景技术
医疗影像数据是通过X光、超声、CT、核磁等方式拍摄的医学照片,用于辅助疾病诊断;传统方法获得影像数据有一定延时,例如X光照片,需要进行拍片、暗室成影等过程,才能到达放射科医师进行疾病诊断,耗时通常在半小时左右不等。对于需要快速及时诊断的疾病,过高的延时可能错过最佳诊断时机。
另外,目前我国医学影像数据的年增长率约为30%,而放射科医师数量的年增长率为 4.1%,其间的差距是25.9%,而放射科医师的数量增长远不及影像数据的增长,在疾病诊断的过程中,需要经验丰富的放射科医生对影像数据较长时间(通常在半小时左右)的阅片才能给出比较正确的诊断结果;而且,人工阅片具备主观性高、重复性低、定量能力不足、信息利用度不足、耗时及劳动强度和知识经验的传承困难等问题,导致疾病的诊断延误。
专利号公开号为104331694A的《医疗影像特征区域实时提取和表示方法》提供了一种医疗影像特征区域实时提取和表示方法,主要技术方案为:
(1)采集动态实时医疗影像;
(2)在屏幕显示动态实时医疗影像,并标示特征区(所述特征区根据需要可以设定为病灶区、疑似病灶区或被观察对象区)。
医疗影像特征区域实时提取和标示方法,所述步骤(1)和所述步骤(2)之间同步包括如下步骤:(21)建立特征数据库;(22)提取特征区域;(23)边界确认;24)特征分类。
以上专利的有益效果是能够实现自动实时捕获特征区(病灶区、病灶疑似区、重点观察区),标示相应局部区域,辅助医生人眼分辨,节省了找寻时间。主要针对的是影像的特征区,对特征区快速提取,不能针对搜优的影像资料,不能实现全部实时传送影像资料,因此有待对现有的影像资料采集技术进行进一步地改进。
发明内容
为了解决上述技术问题,本发明的提供一种医疗影像数据快速流动传输及时的医疗影像数据及时采集系统即方法。
为实现上述目的,本发明采取的技术方案如下:一种医疗影像数据及时采集系统,其包括采集器、影像消息队列模块、影像数据实时消费模块、影像数据实时传输模块、影像数据结构化处理模块、离线数据写入模块及离线数据读取模块,其中:
所述采集器安装在各类医疗设备上,用于从所述医疗仪器设备中获取实时影像数据;
所述影像消息队列模块,用于将接收的医疗影像数据封装成消息并根据消息封装的先后顺序对数据进行列队排序形成影像消息队列,按照列队排序实现数据的先进先出;
所述影像数据实时消费模块,用于从影像消息队列的头部进行实时依次消费,并进行消息解析,逐一获取影像数据,并将解析获取的影像数据同时发送给影像数据实时传输模块和影像数据结构化处理模块;
所述影像数据实时传输模块,用于将解析后获取的影像数据实时传输到数据使用侧;
所述影像数据结构化处理模块,用于解析后获取的影像数据进行结构化处理:从获取的影像数据中自动提取结构化数据或描述性数据;并将提取的数据发送给离线数据写入模块;
所述离线数据写入模块:用于将提取的与影像相关的结构化数据或描述性数据以及影像数据写入到离线数据存储模块中;
所述离线数据存储模块,用于存储影像数据,以及影像数据的结构化数据和描述性数据;
所述离线数据读取模块:用于从离线数据存储模块中读取存储的数据并使用。
优选地,所述医疗设备为影像采集设备,包括但不限于X光机、超声检测仪、CT仪和核磁仪。
优选地,所述结构化数据,采用MySQL/Oracle/Redis数据库存储;所述影像数据,采用MongoDB存储。
优选地,所述数据结构化处理模块包括典型疾病标注样本集合、神经网络疾病识别模型、启发式规则配置模块和结果输出模块,其中:
所述典型疾病标注样本集合包含有典型疾病标注样本;
所述神经网络疾病识别模块,基于利用典型疾病标注样本,训练神经网络疾病识别模型,并生成训练好的模型参数;
所述发式规则配置模块,用于进行启发式规则配置,在数据结构化处理模块中配置典型疾病集合及每种疾病的概率分布;
所述结果输出模块将结构化处理后的数据以一个封装的格式进行输出,并传输给离线数据写入模块。
优选地,所述采集器安装在各类医疗设备上方式有:SDK包嵌入安装或PI接口嵌入安装。
一种医疗影像数据及时采集方法,应用了上述描述的医疗影像数据实时采集系统,其特征在于,该方法包括以下步骤:
S1:影像数据采集:采集器从医疗仪器设备获取实时影像数据并将数据封装成消息发送给影像消息队列模块;
S2:影像数据写入消息队列:影像消息队列模块根据消息封装的先后顺序对数据进行列队排序形成影像消息队列,然后传动到影像数据实时消费模块;
S3:影像数据实时消费:影像数据实时消费模块从影像消息队列的头部依次获取影像消息,对消息进行实时解析处理,逐一获取影像数据并将获取的影像数据分别同时发送给影像数据实时传输模块和影像数据结构化处理模块;
S4:影像数据实时传输使用:影像数据实时传输模块将影像数据实时传输到数据使用侧,供数据使用侧直接展示使用、或者再次加工处理使用;
S5:影像数据结构化处理:影像数据结构化处理模块基于人工智能的图像识别技术,对影像数据进行结构化处理,实现影像的结构化或描述性数据的自动获取,并将结构化数据发送给离线数据写入模块;
S6:离线数据写入:离线数据写入模块将影像相关的结构化数据或描述性数据以及影像数据写入离线数据存储模块。
S7:离线数据读取使用:离线数据读取模块根据数据使用侧对影像、影像结构化数据的使用要求,按需读取所需的影像及其结构化数据,并进行使用。
优选地,所述医疗设备为影像采集设备,包括但不限于X光机、超声检测仪、CT仪和核磁仪。
优选地,所述结构化数据,采用MySQL/Oracle/Redis数据库存储;所述影像数据,采用MongoDB存储。
优选地,所述结构化处理的流程如下:
S401:启发式规则配置:在数据结构化处理模块中进行启发式规则:配置典型疾病集合及每种疾病的概率分布。
S402:疾病识别模型训练:基于典型疾病标注样本集合,训练神经网络疾病识别模型,并形成训练好的模型参数;
S403:数据结构化处理:对影像数据实时消费模块发送过来的原始影像数据进行处理,将影像原始数据输入到神经网络疾病识别模型,识别模型进行识别后,识别出患者在典型疾病上的一个概率分布;
S404:疾病识别结果输出:将结果数据以一个封装的格式进行输出,并传输给离线数据写入模块;
优选地,影像数据采集及获取的过程如下:
S501:医疗数据实时采集:采集器采集的原始数据实时发送到医疗影像数据实时采集系统中;
S502:医疗数据及时处理:医疗影像数据实时采集系统对原始医疗数据根据使用侧的控制指令进行及时处理,将医疗数据处理成与控制指令适配的格式转换;
S503:医疗数据实时发送到使用侧:应使用侧的控制请求指令,医疗数据实时发送到使用侧终端;
S504:医疗数据的展示:医疗数据在使用侧的终端屏幕进行展示,展示方式可以是网页浏览器的内置图片阅读器或者HTML5的figure标签。
本发明有益的技术效果:
1)有助于疾病的及时诊断:本发明通过医疗影像数据及时采集和医疗影像数据的结构化处理,实现数据的及时性和数据处理的自动化,解决传统方式下医疗影像数据采集的不及时和数据处理的手动化等问题,有助于疾病的及时诊断。
2)形成医疗数据流通闭环:综合运用物联网、分布式计算、大数据、人工智能等技术手段,将数据从医疗设备源、数据处理系统、数据使用方/系统等多个环节拉通,形成医疗数据的流通闭环,实现数据的快速流动与及时性,为医疗信息系统建设提供数据支撑。
附图说明
图1为本发明的一种医疗影像数据及时采集系统整体结构框图。
图2为本发明的一种医疗影像数据及时采集方法的步骤流程图。
图3为本发明的一种医疗影像数据及时采集系统部署的1个实施例图。
图4为本发明的一种医疗影像数据及时采集系统中部署的影像数据结构化处理模的体实施例图。
图5为本发明的一种医疗影像数据及时采集方法应用的具体实施例。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例对本发明进行进一步详细说明,但本发明要求保护的范围并不局限于下述具体实施例。
如图1所示,一种医疗影像数据及时采集系统,包括采集器、影像消息队列模块、影像数据实时消费模块、影像数据实时传输模块、影像数据结构化处理模块、离线数据写入模块及离线数据读取模块,其中:
所述采集器安装在各类医疗设备上,用于从所述医疗仪器设备中获取实时影像数据;所述医疗仪器设备包括X光机、超声检测仪、CT仪及核磁仪等。所述采集器安装在医疗设备上方式有:SDK包嵌入安装或PI接口嵌入安装。
采用SDK包嵌入:以JAVA、C++、C、C#等程序设计语言提供采集器SDK包(SDK中文意思:软件开发工具包,英文全称Software Development Kit,一般都是一些软件工程师为特定的软件包、软件框架、硬件平台、操作系统等建立应用软件时的开发工具的集合),由被采集对象进行SDK包的主动调用,将医疗设备的数据实时写入采集器。
API接口嵌入:以RPC(Remote Procedure Call,远程过程调用,它是一种通过网络从远程计算机程序上请求服务,而不需要了解底层网络技术的协议)、HTTP(HyperTextTransfer Protocol,超文本传输协议,是互联网上应用最为广泛的一种网络协议)等API接口提供采集器嵌入接口,由被采集对象进行API接口的主动调用,将医疗数据写入采集器。
所述影像消息队列模块,用于将接收的医疗影像数据封装成消息并根据消息封装的先后顺序对数据进行列队排序形成影像消息队列,按照列队排序实现数据的先进先出;
影像消息队列模块采用消息队列机制快速传递到用户侧(含医生和患者),实现数据获取的及时性,另外影像消息队列模块可以容纳百万级条影像数据。
所述影像数据实时消费模块,用于从影像消息队列的头部进行实时依次消费,并进行消息解析,逐一获取影像数据,并将解析获取的影像数据同时发送给影像数据实时传输模块和影像数据结构化处理模块;
所述影像数据实时传输模块,用于将解析后获取的影像数据实时传输到数据使用侧;
所述影像数据结构化处理模块,用于解析后获取的影像数据进行结构化处理:从获取的影像数据中自动提取结构化数据或描述性数据;并将提取的数据发送给离线数据写入模块;
所述离线数据写入模块:用于将提取的与影像相关的结构化数据或描述性数据以及影像数据写入到离线数据存储模块中;所述结构化数据,采用MySQL/Oracle/Redis数据库存储;所述影像数据,采用MongoDB存储。
所述离线数据存储模块,用于存储影像数据,以及影像数据的结构化数据和描述性数据;
所述离线数据读取模块:用于从离线数据存储模块中读取存储的数据并使用。
具体地,所述数据结构化处理模块包括典型疾病标注样本集合、神经网络疾病识别模型、启发式规则配置模块和结果输出模块,其中:
所述典型疾病标注样本集合包含有典型疾病标注样本;
所述神经网络疾病识别模块,基于利用典型疾病标注样本,训练神经网络疾病识别模型,并生成训练好的模型参数;
所述发式规则配置模块,用于进行启发式规则配置,在数据结构化处理模块中配置典型疾病集合及每种疾病的概率分布;
所述结果输出模块将结构化处理后的数据以一个封装的格式进行输出,并传输给离线数据写入模块。
以下给出一个具体的实施例子:
如图3所示,是一种医疗影像数据及时采集系统部署的具体实施例,系统由多个采集器、消息队列服务器、影像数据实时消费服务器、影像数据实时传输服务器、影像数据结构化处理服务器、离线数据写入服务器、离线数据存储服务器、离线数据读取服务器组成。
其中,所述消息队列服务器、影像数据实时消费服务器、影像数据实时传输服务器、影像数据结构化处理服务器、离线数据写入服务器、离线数据存储服务器、离线数据读取服务器上分别设置有影像消息队列模块、影像数据实时消费模块、影像数据实时传输模块、影像数据结构化处理模块、离线数据写入模块及离线数据读取模块。
本系统中,除采集器外的其它模块采用解耦设计,各模块可独立部署,并可以分布式多节点方式部署,使系统实现高性能、高可靠、易扩展。
其中:
1)采集器与医疗设备的关系为1对1关系,即1个医疗设备对应部署1个采集器。
2)消息队列服务器上部署影像消息队列模块,负责接收采集器采集的实时数据,并以先进先出方式进行缓存。
3)影像数据实时消费服务器上部署影像数据实时消费模块,负责实时消息的及时消费与消息解析,并将数据发送到影像数据实时传输服务器和影像数据结构化处理服务器。
4)影像数据实时传输服务器上部署影像数据实时传输模块,负责将影像数据实时传输到数据使用侧。
5)影像数据结构化处理服务器上部署影像数据结构化处理模块,负责从影像中快速自动分析并获取结构化数据,并将处理结果发送给离线数据写入服务器。
6)离线数据写入服务器上部署离线数据写入模块,负责将影像相关的结构化数据以及影像数据写入离线数据存储服务器。
7)离线数据存储服务器上部署离线数据存储模块,负责影像的结构化数据以及影像数据的存储。
8)离线数据读取服务器上部署离线数据读取模块,负责从离线数据存储服务器上读取影像离线数据,并供数据使用侧按需使用。
如图4所示,是医疗影像数据结构化处理模块的一个具体实施例,影像数据结构化处理模块可以采用人工智能的图像识别技术,对影像数据进行结构化处理,实现影像的结构化或描述性数据的快速自动获取,并将结构化数据发送给离线数据写入模块。影像数据结构化处理模块可以由典型疾病标注样本集合、神经网络疾病识别模型、启发式规则配置模块、结果输出模块等组成。本实施例的具体流程如下:
S401:启发式规则配置:进行启发式规则配置,例如在本实施例中,需要配置典型疾病集合、每种疾病的概率分布。
S402:疾病识别模型训练:基于典型疾病标注样本集合,训练神经网络疾病识别模型,并形成训练好的模型参数。
S403:数据结构化处理:对影像数据实时消费模块发送过来的原始影像数据进行处理,将影像原始数据输入到神经网络疾病识别模型,识别模型进行识别后,能识别出患者在典型疾病上的一个概率分布。
S404:疾病识别结果输出:将结果数据以一个封装的格式进行输出,并传输给离线数据写入模块;输出格式可以是JSON格式或XML格式,例如,可以采用的一种JSON格式如下:
{“医疗影像图片”:“med_img001”,“拍摄时间”:“2018-01-22 13:12:23”, “可能的疾病”:[{“疾病名1”:“X”,“概率”:0.59},{“疾病名2”:“Y”,“概率”:0.33},]}。
图2所示,一种医疗影像数据及时采集方法,应用了上述描述的医疗影像数据实时采集系统,其特征在于,该方法包括以下步骤:
S1:影像数据采集:采集器从医疗仪器设备获取实时影像数据并将数据封装成消息发送给影像消息队列模块;
S2:影像数据写入消息队列:影像消息队列模块根据消息封装的先后顺序对数据进行列队排序形成影像消息队列,然后传动到影像数据实时消费模块;
S3:影像数据实时消费:影像数据实时消费模块从影像消息队列的头部依次获取影像消息,对消息进行实时解析处理,逐一获取影像数据并将获取的影像数据分别同时发送给影像数据实时传输模块和影像数据结构化处理模块;
S4:影像数据实时传输使用:影像数据实时传输模块将影像数据实时传输到数据使用侧,供数据使用侧直接展示使用、或者再次加工处理使用;
S5:影像数据结构化处理:影像数据结构化处理模块基于人工智能的图像识别技术,对影像数据进行结构化处理,实现影像的结构化或描述性数据的自动获取,并将结构化数据发送给离线数据写入模块;
S6:离线数据写入:离线数据写入模块将影像相关的结构化数据或描述性数据以及影像数据写入离线数据存储模块。
S7:离线数据读取使用:离线数据读取模块根据数据使用侧对影像、影像结构化数据的使用要求,按需读取所需的影像及其结构化数据,并进行使用。
所述结构化处理的流程如下:
S401:启发式规则配置:在数据结构化处理模块中进行启发式规则:配置典型疾病集合及每种疾病的概率分布。
S402:疾病识别模型训练:基于典型疾病标注样本集合,训练神经网络疾病识别模型,并形成训练好的模型参数;
S403:数据结构化处理:对影像数据实时消费模块发送过来的原始影像数据进行处理,将影像原始数据输入到神经网络疾病识别模型,识别模型进行识别后,识别出患者在典型疾病上的一个概率分布;
S404:疾病识别结果输出:将结果数据以一个封装的格式进行输出,并传输给离线数据写入模块;
优选地,影像数据采集及获取的过程如下:
S501:医疗数据实时采集:采集器采集的原始数据实时发送到医疗影像数据实时采集系统中;
S502:医疗数据及时处理:医疗影像数据实时采集系统对原始医疗数据根据使用侧的控制指令进行及时处理,将医疗数据处理成与控制指令适配的格式转换;
S503:医疗数据实时发送到使用侧:应使用侧的控制请求指令,医疗数据实时发送到使用侧终端;
S504:医疗数据的展示:医疗数据在使用侧的终端屏幕进行展示,展示方式可以是网页浏览器的内置图片阅读器或者HTML5的figure标签。
具体地,如图5所示,是一种医疗影像数据及时采集方法应用于医生电脑及时展示的具体实施例,可以用于实时阅片,实现即拍即阅模式,消除传统模式需要拍片、暗室成影等过程所带来的小时级延时。
应用的具体流程如下:
1)采集器嵌入:将采集器嵌入部署到医疗设备;
2)医疗数据实时采集:将采集器采集的原始数据实时发送到医疗影像及时采集系统。
3)医疗数据及时处理:医疗影像及时采集系统对原始医疗数据进行及时处理,处理内容包括与医生电脑阅片场景的适配式格式转换,以使医生可以舒适阅片。
4)医疗数据实时发送到医生电脑:应医生在电脑上的点击请求,医疗数据实时发送到医生电脑。
5)医疗数据在医生电脑上展示:医疗数据在医生电脑上展示,展示方式可以是网页浏览器的内置图片阅读器、HTML5的figure标签等。
根据上述说明书的揭示和教导,本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此,本发明并不局限于上面揭示和描述的具体实施方式,对发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外,尽管本说明书中使用了一些特定的术语,但这些术语只是为了方便说明,并不对发明构成任何限制。
Claims (10)
1.一种医疗影像数据及时采集系统,其特征在于,包括采集器、影像消息队列模块、影像数据实时消费模块、影像数据实时传输模块、影像数据结构化处理模块、离线数据写入模块及离线数据读取模块,其中:
所述采集器安装在各类医疗设备上,用于从所述医疗仪器设备中获取实时影像数据;
所述影像消息队列模块,用于将接收的医疗影像数据封装成消息并根据消息封装的先后顺序对数据进行列队排序形成影像消息队列,按照列队排序实现数据的先进先出;
所述影像数据实时消费模块,用于从影像消息队列的头部进行实时依次消费,并进行消息解析,逐一获取影像数据,并将解析获取的影像数据同时发送给影像数据实时传输模块和影像数据结构化处理模块;
所述影像数据实时传输模块,用于将解析后获取的影像数据实时传输到数据使用侧;
所述影像数据结构化处理模块,用于解析后获取的影像数据进行结构化处理:从获取的影像数据中自动提取结构化数据或描述性数据;并将提取的数据发送给离线数据写入模块;
所述离线数据写入模块:用于将提取的与影像相关的结构化数据或描述性数据以及影像数据写入到离线数据存储模块中;
所述离线数据存储模块,用于存储影像数据,以及影像数据的结构化数据和描述性数据;
所述离线数据读取模块:用于从离线数据存储模块中读取存储的数据并使用。
2.如权利要求1所述的一种医疗影像数据及时采集系统,其特征在于,所述医疗设备为影像采集设备,包括但不限于X光机、超声检测仪、CT仪和核磁仪。
3.如权利要求1所述的一种医疗影像数据及时采集系统,其特征在于,所述结构化数据,采用MySQL/Oracle/Redis数据库存储;所述影像数据,采用MongoDB存储。
4.如权利要求1所述的一种医疗影像数据及时采集系统,其特征在于,所述数据结构化处理模块包括典型疾病标注样本集合、神经网络疾病识别模型、启发式规则配置模块和结果输出模块,其中:
所述典型疾病标注样本集合包含有典型疾病标注样本;
所述神经网络疾病识别模块,基于利用典型疾病标注样本,训练神经网络疾病识别模型,并生成训练好的模型参数;
所述发式规则配置模块,用于进行启发式规则配置,在数据结构化处理模块中配置典型疾病集合及每种疾病的概率分布;
所述结果输出模块将结构化处理后的数据以一个封装的格式进行输出,并传输给离线数据写入模块。
5.如权利要求1所述的一种医疗影像数据及时采集系统,其特征在于,所述采集器安装在各类医疗设备上方式有:SDK包嵌入安装或PI接口嵌入安装。
6.一种医疗影像数据及时采集方法,应用了如权利要求1-5任一所述的医疗影像数据实时采集系统,其特征在于,该方法包括以下步骤:
S1:影像数据采集:采集器从医疗仪器设备获取实时影像数据并将数据封装成消息发送给影像消息队列模块;
S2:影像数据写入消息队列:影像消息队列模块根据消息封装的先后顺序对数据进行列队排序形成影像消息队列,然后传动到影像数据实时消费模块;
S3:影像数据实时消费:影像数据实时消费模块从影像消息队列的头部依次获取影像消息,对消息进行实时解析处理,逐一获取影像数据并将获取的影像数据分别同时发送给影像数据实时传输模块和影像数据结构化处理模块;
S4:影像数据实时传输使用:影像数据实时传输模块将影像数据实时传输到数据使用侧,供数据使用侧直接展示使用、或者再次加工处理使用;
S5:影像数据结构化处理:影像数据结构化处理模块基于人工智能的图像识别技术,对影像数据进行结构化处理,实现影像的结构化或描述性数据的自动获取,并将结构化数据发送给离线数据写入模块;
S6:离线数据写入:离线数据写入模块将影像相关的结构化数据或描述性数据以及影像数据写入离线数据存储模块。
S7:离线数据读取使用:离线数据读取模块根据数据使用侧对影像、影像结构化数据的使用要求,按需读取所需的影像及其结构化数据,并进行使用。
7.如权利要求6所述的一种医疗影像数据及时采集方法,其特征在于,所述医疗设备为影像采集设备,包括但不限于X光机、超声检测仪、CT仪和核磁仪。
8.如权利要求6所述的一种医疗影像数据及时采集方法,其特征在于,所述结构化数据,采用MySQL/Oracle/Redis数据库存储;所述影像数据,采用MongoDB存储。
9.如权利要求6所述的一种医疗影像数据及时采集方法,其特征在于,所述结构化处理的流程如下:
S401:启发式规则配置:在数据结构化处理模块中进行启发式规则:配置典型疾病集合及每种疾病的概率分布。
S402:疾病识别模型训练:基于典型疾病标注样本集合,训练神经网络疾病识别模型,并形成训练好的模型参数;
S403:数据结构化处理:对影像数据实时消费模块发送过来的原始影像数据进行处理,将影像原始数据输入到神经网络疾病识别模型,识别模型进行识别后,识别出患者在典型疾病上的一个概率分布;
S404:疾病识别结果输出:将结果数据以一个封装的格式进行输出,并传输给离线数据写入模块。
10.如权利要求6所述的一种医疗影像数据及时采集方法,其特征在于,影像数据采集及获取的过程如下:
S501:医疗数据实时采集:采集器采集的原始数据实时发送到医疗影像数据实时采集系统中;
S502:医疗数据及时处理:医疗影像数据实时采集系统对原始医疗数据根据使用侧的控制指令进行及时处理,将医疗数据处理成与控制指令适配的格式转换;
S503:医疗数据实时发送到使用侧:应应使用侧的控制请求指令,医疗数据实时发送到使用侧终端;
S504:医疗数据的展示:医疗数据在使用侧的终端屏幕进行展示,展示方式可以是网页浏览器的内置图片阅读器或者HTML5的figure标签。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911060215.1A CN110827958B (zh) | 2019-11-01 | 2019-11-01 | 一种医疗影像数据及时采集系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911060215.1A CN110827958B (zh) | 2019-11-01 | 2019-11-01 | 一种医疗影像数据及时采集系统与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110827958A true CN110827958A (zh) | 2020-02-21 |
CN110827958B CN110827958B (zh) | 2023-04-25 |
Family
ID=69552032
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911060215.1A Active CN110827958B (zh) | 2019-11-01 | 2019-11-01 | 一种医疗影像数据及时采集系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110827958B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114785820A (zh) * | 2022-03-16 | 2022-07-22 | 肇庆美兰特科技有限公司 | 一种基于人工智能在线诊断脑电图的方法及系统 |
TWI796018B (zh) * | 2021-11-29 | 2023-03-11 | 高雄榮民總醫院 | 利用病灶唯一碼產生共觀結構性報告的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868033A (zh) * | 2016-04-06 | 2016-08-17 | 江苏物联网研究发展中心 | 基于Redis实现优先级消息队列的方法及系统 |
CN107395729A (zh) * | 2017-07-27 | 2017-11-24 | 深圳乐信软件技术有限公司 | 一种消息队列的消费系统、方法及装置 |
CN107644419A (zh) * | 2017-09-30 | 2018-01-30 | 百度在线网络技术(北京)有限公司 | 用于分析医学影像的方法和装置 |
CN107767935A (zh) * | 2017-09-15 | 2018-03-06 | 深圳市前海安测信息技术有限公司 | 基于人工智能的医学影像分类处理系统及方法 |
CN110033456A (zh) * | 2019-03-07 | 2019-07-19 | 腾讯科技(深圳)有限公司 | 一种医疗影像的处理方法、装置、设备和系统 |
-
2019
- 2019-11-01 CN CN201911060215.1A patent/CN110827958B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868033A (zh) * | 2016-04-06 | 2016-08-17 | 江苏物联网研究发展中心 | 基于Redis实现优先级消息队列的方法及系统 |
CN107395729A (zh) * | 2017-07-27 | 2017-11-24 | 深圳乐信软件技术有限公司 | 一种消息队列的消费系统、方法及装置 |
CN107767935A (zh) * | 2017-09-15 | 2018-03-06 | 深圳市前海安测信息技术有限公司 | 基于人工智能的医学影像分类处理系统及方法 |
CN107644419A (zh) * | 2017-09-30 | 2018-01-30 | 百度在线网络技术(北京)有限公司 | 用于分析医学影像的方法和装置 |
CN110033456A (zh) * | 2019-03-07 | 2019-07-19 | 腾讯科技(深圳)有限公司 | 一种医疗影像的处理方法、装置、设备和系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI796018B (zh) * | 2021-11-29 | 2023-03-11 | 高雄榮民總醫院 | 利用病灶唯一碼產生共觀結構性報告的方法 |
CN114785820A (zh) * | 2022-03-16 | 2022-07-22 | 肇庆美兰特科技有限公司 | 一种基于人工智能在线诊断脑电图的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110827958B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Wearmask: Fast in-browser face mask detection with serverless edge computing for covid-19 | |
US10755411B2 (en) | Method and apparatus for annotating medical image | |
US11908188B2 (en) | Image analysis method, microscope video stream processing method, and related apparatus | |
CN111091521B (zh) | 图像处理方法及装置、电子设备和计算机可读存储介质 | |
US9081877B2 (en) | Medical image interpretation system | |
CN102687006B (zh) | 图像诊断方法、图像诊断装置 | |
US20170061608A1 (en) | Cloud-based pathological analysis system and method | |
CN107610743A (zh) | 基于互联网云技术的医学影像检查与诊断综合解决系统 | |
US11646119B2 (en) | Systems and methods for automated analysis of medical images | |
CN109887077B (zh) | 用于生成三维模型的方法和装置 | |
CN110827958B (zh) | 一种医疗影像数据及时采集系统与方法 | |
CN111467074B (zh) | 用于检测牲畜状态的方法和装置 | |
EP4030299A3 (en) | Method, device, and system for simulation test | |
CN115862831B (zh) | 一种智能在线预约诊疗管理系统及方法 | |
US20190341150A1 (en) | Automated Radiographic Diagnosis Using a Mobile Device | |
CN111785364A (zh) | 一种互联网+宫颈图像智能辅助阅片方法及辅助阅片系统 | |
CN117853490B (zh) | 图像处理方法、图像处理模型的训练方法 | |
CN112331329A (zh) | 以个人装置进行手骨骨龄即时判读的系统及方法 | |
CN111144506B (zh) | 基于超声图像的肝包虫识别方法、存储介质及超声设备 | |
CN110647926A (zh) | 医学影像流识别方法、装置、电子设备和存储介质 | |
WO2023070157A1 (en) | Methods and systems for automated analysis of medical images with injection of clinical ranking | |
US20220172824A1 (en) | Snip-triggered digital image report generation | |
CN111460187B (zh) | 一种图片标注方法、装置、设备及可读存储介质 | |
CN111192679B (zh) | 一种影像数据异常的处理方法、装置及存储介质 | |
CN113961845A (zh) | 一种快速显示dicom图像的方法、系统及服务器 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |