CN111128328A - 鼻咽癌结构化影像报告及数据处理系统和方法 - Google Patents
鼻咽癌结构化影像报告及数据处理系统和方法 Download PDFInfo
- Publication number
- CN111128328A CN111128328A CN201911029364.1A CN201911029364A CN111128328A CN 111128328 A CN111128328 A CN 111128328A CN 201911029364 A CN201911029364 A CN 201911029364A CN 111128328 A CN111128328 A CN 111128328A
- Authority
- CN
- China
- Prior art keywords
- nasopharyngeal carcinoma
- data
- clinical
- image
- database
- 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
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
- 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
- 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
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种鼻咽癌结构化影像报告及数据处理系统和方法,该系统包括临床数据收集模块、精细影像分析与报告模块、综合处理模块以及临床决策模块。该系统主要用于鼻咽癌影像诊断报告数据的录入和分析,以结构化数据的形式,全面系统的记录鼻咽癌侵犯周围解剖结构及淋巴结转移情况,该系统建立了鼻咽癌结构化影像报告标准,用于构建鼻咽癌影像大数据库和鼻咽癌人工智能预测模型;该系统通过建立MR精细阅片数据库,使鼻咽癌影像报告标准化,并在此基础上开发一套鼻咽癌在线临床决策平台,进一步辅助鼻咽癌分期分型、治疗方案推荐和预后预测,帮助临床医生更好的根据MRI影像评估结果制定治疗方案。
Description
技术领域
本发明涉及肿瘤临床数据处理技术领域,尤其是一种鼻咽癌结构化影像报告及数据处理系统和方法。
背景技术
鼻咽癌是广东省地方特色癌种,复发和转移是主要死因,精准预测复发转移并指导个体化治疗是提高疗效的关键,而如何基于智能化的数据分析并由此进行精准的决策是目前亟待解决的问题。
目前,临床主要运用第八版AJCC TNM分期系统进行鼻咽癌治疗方案制定和预后评价,该分期基于鼻咽癌肿瘤侵犯范围、区域淋巴结(部位、大小、侧数)和远处转移情况进行鼻咽癌危险分层,它只有17个特定的解剖部位用来描述原发肿瘤的侵犯程度和4个参数用来描述区域淋巴结的侵犯程度;它所包含的变量少,并未包括病理分型、实验室指标、分子标记物,不能够全面反映肿瘤生物学特性,导致对肿瘤侵犯情况描述不够准确全面,而无法精确的应用于临床。
现有的影像报告及数据处理系统包括:
(1)肝脏影像报告和数据管理系统(LI-RADS):该影像系统旨在解决临床对肝细胞癌的CT和MR征象描述混淆的状态,从而彻底改变目前放射科医师诊断和评价HCC的方式;该系统可以监控和显示肝脏的影像学变化,最终达到海量数据收集的目标;
(2)乳腺影像报告和数据系统(BI-RADS):该系统涉及钼靶、超声、核磁成像以及随访、预后监测等多方面,使乳腺X线检查(钼靶)报告更为规范和易懂,在指导临床工作者诊断及风险评估发挥着重要作用;
(3)前列腺影像报告和数据系统(PI—RADS):该系统作为一种质量控制手段使前列腺影像报告标准化,减少前列腺分析过程中出现的混淆,帮助临床医生更好的根据MRI诊断结果处理患者。
一方面,上述系统对肿瘤侵犯情况描述不够准确全面,缺少精细的影像报告,现有的鼻咽癌TNM分期系统所包含的变量少,并未包括病理分型、实验室指标、分子标记物,不能够全面反映肿瘤生物学特性;现有技术只有17个特定的解剖部位用来描述原发肿瘤的侵犯程度和4个参数用来描述区域淋巴结的侵犯程度,不能精准的反映肿瘤侵犯情况;另一方面,上述影像报告及数据系统主要用于肿瘤的良恶性诊断,缺乏对临床数据的全面挖掘;而本系统用于处理已明确诊断为鼻咽癌患者的相关数据,它通过鼻咽癌多维数据收集,进行预后预测,辅助临床医生制定治疗决策。
发明内容
基于上述问题,本发明的目的在于克服上述现有技术的不足之处而提供一种鼻咽癌结构化影像报告及数据处理系统,该系统能更加精准的描述肿瘤侵犯的范围和淋巴结转移状况,从而全面地反映肿瘤的生物学特性,为鼻咽癌的预后及疗效预测提供有力依据,医生可以此为依据,为鼻咽癌患者提供高效的个体化治疗方案。
为实现上述目的,本发明采取的技术方案为:
一种鼻咽癌结构化影像报告及数据处理系统,包括:
临床数据收集模块,用于收集鼻咽癌病人信息,包括病理类型、EBV检查结果、血液、生化及肿瘤标志物、检查结果和治疗方案,以建立鼻咽癌临床数据库;
精细影像分析与报告模块,用于精细阅读并分析鼻咽癌原发灶及区域淋巴结图像以获取影像数据,并生成影像报告;
综合处理模块,用于整合鼻咽癌临床数据、精细读片所得影像报告数据,帮助开发鼻咽癌云端诊疗分析平台;
临床决策模块,用于将鼻咽癌临床数据与其他临床数据、基因组学数据、影像组学数据进行多源数据融合,建立更加精准的鼻咽癌预后预测模型,对鼻咽癌临床和精细影像图像数据进行整合,以在线指导鼻咽癌临床决策。由此,建立预后预测模型,观察并分析鼻咽癌原发灶及区域淋巴结图像,全面评估有助于发现鼻咽癌的生物学行为,整合多模态影像,以形成精细阅片数据库,并结合临床数据库建立鼻咽癌预后预测模型;
优选地,所述鼻咽癌原发灶包括鼻腔、超腔、咽旁肌肉、筋膜间隙、颅骨骨质及孔道、颅内、副鼻窦、乳突、耳部、眼眶部、颅神经和咽鼓管周围结构。
优选地,所述区域淋巴结图像按颈部淋巴结分区记录。
优选地,所述系统还包括鼻咽癌临床数据库。由此,通过整合分析所述鼻咽癌临床数据和精细影像阅片数据,对鼻咽癌数据进行系统性管理,构建更为完善的鼻咽癌数据库。
优选地,所述系统还包括鼻咽癌云端诊疗分析平台,用于根据所述鼻咽癌临床数据库构建结合云计算的鼻咽癌云端分析平台,在云端服务器上通过比对分析患者的病理影像及临床数据,实现鼻咽癌诊断分期、靶区勾画、治疗方案推介及预测患者生存、转移及复发概率,远程指导临床决策。
优选地,所述鼻咽癌云端诊疗分析平台包括数据收集单元、云端分析单元和多终端访问单元。
作为本发明的另一个方面,本发明还提供了一种鼻咽癌结构化影像报告及数据处理方法,包括以下步骤:
(1)收集鼻咽癌病人的临床数据,形成临床数据库;
(2)通过精细阅片获得鼻咽癌侵犯范围及淋巴结转移情况,建立MR精细阅片数据库;
(3)结合所述临床大数据库和MR精细阅片数据库构建鼻咽癌资料库;
(4)通过结合所述临床大数据库、MR精细阅片数据库、计算机运算的放射组学数据来构建鼻咽癌多模态数据库,对鼻咽癌资料库中的数据进行系统管理;
(5)根据所述鼻咽癌资料库构建结合云计算的鼻咽癌云端诊疗分析平台,在云端服务器上通过比对分析患者的病理影像及临床数据,实现鼻咽癌诊断分期、靶区勾画、治疗方案推介及预测患者生存、转移及复发概率。
综上所述,本发明的有益效果为:
本发明的用于鼻咽癌影像诊断的数据处理系统,以表格的形式,全面系统的记录鼻咽癌侵犯周围解剖结构及淋巴结转移情况,通过本系统记录的内容,比传统鼻咽癌分期系统更好的预测鼻咽癌预后,本发明的系统通过和其他临床数据、基因组学数据、影像组学数据结合,建立更加精准的鼻咽癌预后预测模型;该系统通过建立MR精细阅片数据库,使鼻咽癌影像报告标准化,并在此基础上开发一套鼻咽癌在线临床决策平台,进一步辅助鼻咽癌分期分型、治疗方案推荐和预后预测,帮助临床医生更好的根据MRI影像评估结果救治患者。
附图说明
图1是本发明的鼻咽癌结构化影像报告及数据处理系统的示意框图;
图2是本发明的鼻咽癌结构化影像报告及数据处理系统的运行流程示意图;
图3是鼻咽癌多模态影像及病理图像在线分析平台的工作流程示意图;
其中,1、临床数据收集模块,2、精细影像分析与报告模块,3、综合处理模块,4、临床决策模块。
具体实施方式
本发明涉及医学影像和肿瘤学领域,可以推广应用于:鼻咽癌影像数据收集标准流程;鼻咽癌临床大数据收集;用于机器学习预测鼻咽癌肿瘤数据收集系统;和其他临床数据、影像组学数据结合,建立更加精准的鼻咽癌预后预测模型;作为在线辅助诊疗系统的一部分,用于数据的收集。
本发明提供了以人工(医生)精细阅片为基础的鼻咽癌影像诊断的数据处理系统,该系统以表格的形式,全面系统的记录鼻咽癌侵犯周围解剖结构及淋巴结转移情况,是一种应用于鼻咽癌的标准化影像数据采集方法。
本发明的鼻咽癌结构化影像报告及数据处理系统通过精细的影像报告,对肿瘤侵犯情况进行全面准确的评估,进一步指导临床医生的诊疗过程;建立了MR精细阅片数据库,使鼻咽癌影像报告标准化,减少鼻咽癌分析过程出现的混淆,帮助临床医生更好的根据MRI诊断结果处理患者;该系统可作为鼻咽癌影像数据和临床大数据收集的辅助工具;本发明通过和其他临床数据、影像组学数据结合,建立更加精准的鼻咽癌预后预测模型。
在一些实施例中,本发明的精细影像分析与报告模块可生成结构化数据,包括93个MRI参数用来描述原发肿瘤病灶和18个MRI参数用来描述区域淋巴结。对比AJCC分期,本发明所构建的模型通过结合临床和MRI特征为肿瘤的侵犯程度和生物学行为提供更加准确的信息,尤其能更好的预测调强放疗后鼻咽癌病人的总体生存率和无进展生存期;本发明可进一步使影像报告标准化,减少鼻咽癌分析过程出现的混淆,帮助临床医生更好的根据MRI诊断结果处理患者;同时有助于大量鼻咽癌数据的收集。
本发明可以推广应用于:鼻咽癌影像大数据收集标准流程;用于机器学习的鼻咽癌肿瘤数据收集系统;和其他临床数据、病理数据、影像组学数据结合,建立更加精准的鼻咽癌预后及疗效预测模型;作为在线辅助诊疗系统的一部分,用于影像阅片数据的收集。本发明是鼻咽癌在线临床决策系统的重要构成,该系统包括精细阅片数据处理模块、临床大数据(临床数据、影像组学数据、病理组学数据、基因组学数据)处理模块和在线鼻咽癌辅助诊疗系统,通过该临床决策该系统,初步实现计算机辅助鼻咽癌分期分型、预后预测、疗效预测和治疗方案推荐。
在一些实施例中,本发明的鼻咽癌结构化影像报告及数据处理系统包括:
临床数据收集模块,鼻咽癌临床数据(包括EBV检查结果、血液生化及肿瘤标志物、检查结果、临床病历中的症状、临床表现、治疗方案、复发转移时间、生存时间)收集用于录入临床资料,建立电子化数据库;
精细影像分析与报告模块,基于MRI观察鼻咽癌原发灶及区域淋巴结,全面细致的评估有助于发现鼻咽癌更多的生物学行为,其精细阅片数据有助于多模态影像组学的整合,帮助建立鼻咽癌转移预测复发模型;
综合处理模块,用于整合包括临床大数据、精细读片数据的影像报告数据库,帮助云端分析平台开发,为研发个性化的开放性远程在线鼻咽癌计算机服务;
临床决策模块,通过将鼻咽癌临床数据与其他临床数据、基因组学数据、影像组学数据多源数据融合,建立更加精准的鼻咽癌预后预测模型,对鼻咽癌临床和图像数据进行整合,并在此基础上开发一套鼻咽癌在线临床决策系统,对个体化治疗后和精准医学具有非常重要的意义。
在一些实施例中,所述临床数据收纳了病人的临床资料包括一般特征,血液,生化,组织,病理,细胞学及EBV-DNA拷贝量,影像表现,治疗方案,随访情况,从数据库内的筛选出特征因素模型预测鼻咽癌预后,进行验证分析并矫正相关参数,同时自动纳入新的病历数据实时矫正相关参数;通过多源异构数据库开发一套基于真实世界大数据的鼻咽癌临床决策系统。
在一些实施例中,精细影像分析与报告模块基于MRI观察鼻咽癌原发灶及区域淋巴结,全面细致的评估有助于发现鼻咽癌更多的生物学行为,结合临床数据筛选出对鼻咽癌的预后有预测的解剖结构的侵犯,用于临床指导精准放化疗及个体化靶向治疗,提高鼻咽癌疗效。
在一些实施例中,所述综合处理模块具体用于基于鼻咽癌临床资料、精细读片数据整合分析,构建数据库,对鼻咽癌大数据进行系统性管理。
在一些实施例中,临床决策模块收集鼻咽癌临床资料、影像资料,建立经质量评估后的规模化鼻咽癌原始图像、影像精细阅片构成的影像大数据库,实现用户注册、数据管理、查询、注释、比较、检索和展示临床信息等功能;在一些实施例中,该系统可以通过多终端对其进行应用,主要分为数据收集、云端分析、多终端访问三部分,在云端服务器上通过结合分析患者的病理、影像及临床数据,实现鼻咽癌诊断分期、靶区勾画、治疗方案推荐及预测患者生存、转移及复发概率。
在一些实施例中,本发明的鼻咽癌结构化影像报告及数据处理系统以精细读片为基础,包括:
精细影像分析与报告模块,在鼻咽癌病人的MRI影像资料中,通过对鼻腔,超腔侵犯,肌肉及下颌骨,筋膜间隙及窝,颅骨骨质和颅内,副鼻窦、乳突、耳部、眼眶部,颅神经,咽鼓管周围结构及区域淋巴结侵犯进行评估,其精细阅片数据有助于多模态影像组学的整合,结合机器学习筛选出对鼻咽癌的复发、转移有预测的解剖结构的侵犯,用于临床指导精准放化疗及个体化靶向治疗,提高鼻咽癌疗效;
数据综合处理模块,用于构建包括临床大数据、精细读片数据的MR精细阅片数据库,帮助云端分析平台开发,为研发个性化的开放性远程在线鼻咽癌计算机服务;
临床决策指导模块,通过和其他临床数据、基因组学数据、影像组学数据多源数据融合,建立更加精准的鼻咽癌预后及疗效预测模型,对鼻咽癌临床和图像数据进行整合,并在此基础上开发一套鼻咽癌在线临床决策系统,对个体化治疗后和精准医学具有非常重要的意义。
为更好的说明本发明的目的、技术方案和优点,下面将结合附图和具体实施例对本发明作进一步说明。如无特别说明,本发明中的方法均为常规方法。
实施例1
本发明的鼻咽癌结构化影像报告及数据处理系统的一种实施例,如图1所示,包括:
临床数据收集模块1,鼻咽癌临床数据(包括病人信息、病理类型、EBV检查结果、血液、生化及肿瘤标志物、检查结果、治疗方案等)收集用于录入临床资料,建立电子化数据库;
如表1所示,其示出了临床数据处理模块的工作模式示意图;本实施例中,收集整理1万余例鼻咽癌临床数据,建立电子化数据库;病人的临床资料包括一般特征,血液,生化,组织,病理,细胞学及EBV-DNA拷贝量,影像表现,治疗方案,随访情况,从数据库内的筛选出特征因素模型预测鼻咽癌转移复发,进行验证分析并矫正相关参数,同时自动纳入新的病历数据实时矫正相关参数;
精细影像分析与报告模块2,在鼻咽癌病人的MRI影像资料中,通过对鼻腔,超腔侵犯,肌肉及下颌骨,筋膜间隙及窝,颅骨骨质和颅内,副鼻窦、乳突、耳部、眼眶部,颅神经,咽鼓管周围结构及区域淋巴结侵犯进行评估,其精细阅片数据有助于多模态影像组学的整合,帮助建立鼻咽癌转移预测复发模型;
如表2所示,其示出了精细读片数据处理模块的工作模式示意图,基于MRI观察鼻咽癌原发灶及区域淋巴结,全面细致的评估有助于发现鼻咽癌更多的生物学行为,结合机器学习筛选出对鼻咽癌的复发、转移有预测的解剖结构的侵犯,用于临床指导精准放化疗及个体化靶向治疗,提高鼻咽癌疗效,其中蝶窦侵犯、颈部淋巴结转移、咽隐窝侵犯、颈静脉窝的侵犯、双侧咽后淋巴结转移、双侧颈部淋巴链l III/IV/Va区域转移、翼腭张肌的侵犯、同侧颈III区淋巴结坏死、咽鼓管骨部的侵犯是鼻咽癌预后的独立预测因子;
综合处理模块3,用于构建包括临床大数据、精细读片数据的MR精细阅片数据库,帮助云端分析平台开发,为研发个性化的开放性远程在线鼻咽癌计算机服务;
如图2所示,其中示出了综合处理模块的工作原理示意图。本实施例的系统基于鼻咽癌临床资料、影像资料数据整合分析,以鼻咽癌为研究对象,通过收集鼻咽癌临床资料、影像资料,建立经质量评估后的规模化鼻咽癌数据库。建立基于临床资料和影像资料大数据,结合病理组学、基因组学数据、影像组学数据,建立更加精准的鼻咽癌预后预测模型,为临床精准医疗提供重要基础理论和指导;
临床决策模块4,用于构建鼻咽癌多模态影像及病理图像在线诊疗平台,在多尺度数据融合预后模型研究的基础上,建成结合云计算的鼻咽癌云端诊疗分析平台,在云端服务器上通过比对分析患者的病理、影像及临床数据,实现鼻咽癌诊断分期、靶区勾画、治疗方案推介及预测患者生存、转移及复发概率,该平台可以通过多终端对其进行访,分为数据收集、云端分析、多终端访问三部分。
如图2所示,其中示出了影像报告及数据处理模块的应用示意图,其通过收集鼻咽癌临床资料、影像资料,建立经质量评估后的规模化鼻咽癌数据库,结合病理组学、基因组学数据、影像组学数据,建立更加精准的鼻咽癌预后预测模型,并且是基于精细读片的影像报告及数据收集系统,该系统不仅通过鼻咽癌大数据整合技术和深度学习技术提供准确有效的复发转移预测功能,还可用于开发一个供广东省乃至全国影像科医生使用的全面、准确、方便的影像报告及数据收集系统。
表1鼻咽癌临床登记表
表2鼻咽癌结构化精细影像报告
表3
相比于现有技术,本实施例的鼻咽癌结构化影像报告及数据处理系统具有以下优势:
(1)影像数据和临床数据结合,应用常规临床检查就可获得的资料,在影像精细阅片数据的基础上,另外结合患者的性别、年龄、血液生化检查和EBV-DNA拷贝量数据,从各个维度上全面地对肿瘤的生物学特性进行描述,以期提高肿瘤预后预测效能;
(2)可应用于多尺度数据融合模型构建,本发明通过收集鼻咽癌临床资料、影像资料,建立经质量评估后的规模化鼻咽癌数据库,结合病理组学、基因组学数据、影像组学数据,建立更加精准的鼻咽癌预后预测模型,以列线图、决策树、热点图方法实现模型的可视化,达到更精准地预测肿瘤远处转移和复发风险的目的,为患者个体化治疗提供帮助;
(3)可应用于建立基于真实世界数据的鼻咽癌临床决策系统,利用全面、完善的数据处理方法,实现鼻咽癌自动分期、靶区自动勾画、治疗方案推荐及复发转移风险进行预测,贯穿鼻咽癌诊治全流程,是有助于临床诊断的重要系统。
实施例2
本发明的鼻咽癌结构化影像报告及数据处理方法的一种实施例,包括以下步骤:
(1)收集鼻咽癌病人的临床数据,形成临床数据库;
(2)通过精细阅片获得鼻咽癌侵犯范围及淋巴结转移情况,建立MR精细阅片数据库;
(3)结合所述临床大数据库和MR精细阅片数据库构建鼻咽癌资料库;
(4)通过结合所述临床大数据库、MR精细阅片数据库、计算机运算的放射组学数据来构建鼻咽癌多模态数据库,对鼻咽癌资料库中的数据进行系统管理;
(5)根据所述鼻咽癌资料库构建结合云计算的鼻咽癌云端诊疗分析平台,在云端服务器上通过比对分析患者的病理影像及临床数据,实现鼻咽癌诊断分期、靶区勾画、治疗方案推介及预测患者生存、转移及复发概率。
上述方法应用于多模态影像及病理图像在线分析时,如图3所示,包括如下步骤:
1、登记放疗后鼻咽癌病人的临床信息及对MRI影像进行精细读片;
2、进行鼻咽癌影像数据收集标准流程;
3、进行鼻咽癌临床大数据收集;
4、用于机器学习预测鼻咽癌肿瘤数据收集系统和其他临床数据、基因组学数据、影像组学数据结合,建立更加精准的鼻咽癌预后预测模型(如图2所示,本发明的鼻咽癌结构化影像报告及数据处理系统的运行流程示意图即为鼻咽癌预后预测模型,属于一种多尺度融合模型);
5、作为在线辅助诊疗系统的一部分,用于数据的收集;
6、建立鼻咽癌多模态影像及病理图像在线分析平台。
参见图3,在应用过程中,收集了3000例鼻咽癌临床病理资料、影像资料,建立经质量评估后的规模化鼻咽癌原始图像、影像精细阅片、影像组学数据构成的影像大数据库,实现用户注册、数据管理、查询、注释、比较、检索和展示组学数据与临床信息等功能。在多尺度数据融合预后模型研究的基础上,建成为结合云计算的鼻咽癌云端诊疗分析系统,在云端服务器上通过比对分析患者的病理、影像及临床数据,实现鼻咽癌诊断分期、靶区勾画、治疗方案推介及预测患者生存、转移及复发概率。
鼻咽癌云端诊疗分析系统可以通过多终端对其进行访,主要分为数据收集模块、云端分析模块、多终端访问模块三部分;其中,
数据收集模块用于收集大量鼻咽癌患者复发转移病例资料,包括患者MR、病理图像和临床数据,在此基础上,建立经过筛选、评估后的规模化鼻咽癌复发转移影像及临床数据库;
云端分析模块用于在云端服务器上,对已建立的规模化鼻咽癌影像数据库,使用机器学习等多尺度数据整合方法,对鼻咽癌临床资料、病理及影像组学数据进行整合分析,对鼻咽癌患者的复发转移进行分析和预测诊断并给出患者的生存曲线;
多终端访问模块是为了使用户(患者或医生)可以更便捷的访问数据,系统将搭建一个可支持多终端设备访问的网站,后台开发依托云端的高性能集群服务器,采用并发服务器编程方法,提高系统吞吐率和运算能力。将云端分析的诊疗结果可视化(数据预警、图表联动、对比拆分)的展现给用户,为精准个体化医疗提供方向指导,为今后多中心临床验证提供支持。
最后所应当说明的是,以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (7)
1.一种鼻咽癌结构化影像报告及数据处理系统,其特征在于,包括:
临床数据收集模块,用于收集鼻咽癌病人信息,包括病理类型、EBV检查结果、血液、生化及肿瘤标志物、检查结果和治疗方案,以建立鼻咽癌临床数据库;
精细影像分析与报告模块,用于精细阅读并分析鼻咽癌原发灶及区域淋巴结图像以获取影像数据,并生成影像报告;
综合处理模块,用于整合鼻咽癌临床数据、精细读片所得影像报告数据,帮助开发鼻咽癌云端诊疗分析平台;以及
临床决策模块,用于将鼻咽癌临床数据与其他临床数据、基因组学数据、影像组学数据进行多源数据融合,建立更加精准的鼻咽癌预后预测模型,对鼻咽癌临床和精细影像图像数据进行整合,以在线指导鼻咽癌临床决策。
2.根据权利要求1所述的系统,其特征在于,所述鼻咽癌原发灶包括鼻腔、超腔、咽旁肌肉、筋膜间隙、颅骨骨质及孔道、颅内、副鼻窦、乳突、耳部、眼眶部、颅神经和咽鼓管周围结构。
3.根据权利要求1所述的系统,其特征在于,所述区域淋巴结图像按颈部淋巴结分区记录。
4.根据权利要求1所述的系统,其特征在于,所述系统还包括鼻咽癌临床数据库。
5.根据权利要求1所述的系统,其特征在于,所述系统还包括鼻咽癌云端诊疗分析平台,用于根据所述鼻咽癌临床数据库构建结合云计算的鼻咽癌云端分析平台,在云端服务器上通过比对分析患者的病理、影像及临床数据,实现鼻咽癌诊断分期、靶区勾画、治疗方案推介及预测患者生存、转移及复发概率,远程指导临床决策。
6.根据权利要求1所述的系统,其特征在于,所述鼻咽癌云端诊疗分析平台包括数据收集单元、云端分析单元和多终端访问单元。
7.一种鼻咽癌结构化影像报告及数据处理方法,其特征在于,包括以下步骤:
(1)收集鼻咽癌病人的临床数据,形成临床数据库;
(2)通过精细阅片获得鼻咽癌侵犯范围及淋巴结转移情况,建立MR精细阅片数据库;
(3)结合所述临床大数据库和MR精细阅片数据库构建鼻咽癌资料库;
(4)通过结合所述临床大数据库、MR精细阅片数据库、计算机运算的放射组学数据来构建鼻咽癌多模态数据库,对鼻咽癌资料库中的数据进行系统管理;
(5)根据所述鼻咽癌资料库构建结合云计算的鼻咽癌云端诊疗分析平台,在云端服务器上通过比对分析患者的病理影像及临床数据,实现鼻咽癌诊断分期、靶区勾画、治疗方案推介及预测患者生存、转移及复发概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911029364.1A CN111128328A (zh) | 2019-10-25 | 2019-10-25 | 鼻咽癌结构化影像报告及数据处理系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911029364.1A CN111128328A (zh) | 2019-10-25 | 2019-10-25 | 鼻咽癌结构化影像报告及数据处理系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111128328A true CN111128328A (zh) | 2020-05-08 |
Family
ID=70495428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911029364.1A Pending CN111128328A (zh) | 2019-10-25 | 2019-10-25 | 鼻咽癌结构化影像报告及数据处理系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111128328A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111657945A (zh) * | 2020-06-16 | 2020-09-15 | 中南大学湘雅医院 | 一种基于增强mri影像组学的鼻咽癌预后辅助评估方法 |
CN111768367A (zh) * | 2020-05-20 | 2020-10-13 | 深圳迈瑞生物医疗电子股份有限公司 | 数据处理方法、装置和存储介质 |
CN111863248A (zh) * | 2020-08-04 | 2020-10-30 | 桂林电子科技大学 | 一种构建临床决策模型的有效方法 |
CN111951962A (zh) * | 2020-07-27 | 2020-11-17 | 中山大学孙逸仙纪念医院 | 一种贝伐单抗治疗放射性脑损伤疗效预测模型及其构建方法 |
CN112259211A (zh) * | 2020-10-23 | 2021-01-22 | 广州中医药大学第一附属医院 | 基于dti与1h-mrs技术的鼻咽癌放射性脑损伤程度检测系统 |
CN112349433A (zh) * | 2020-11-06 | 2021-02-09 | 江苏翼企云通信科技有限公司 | 一种基于云计算的数据处理系统和方法 |
CN112635027A (zh) * | 2020-10-29 | 2021-04-09 | 郑州大学第一附属医院 | 膝骨性关节炎的mri分类图像处理系统、方法及终端 |
CN112927799A (zh) * | 2021-04-13 | 2021-06-08 | 中国科学院自动化研究所 | 融合多示例学习和多任务深度影像组学的生存期分析系统 |
CN113034489A (zh) * | 2021-04-16 | 2021-06-25 | 南方医科大学第五附属医院 | 基于深度学习的人工智能鼻窦ct图像处理系统 |
CN113257413A (zh) * | 2021-06-22 | 2021-08-13 | 安翰科技(武汉)股份有限公司 | 基于深度学习的癌症预后生存预测方法、设备及存储介质 |
CN113298321A (zh) * | 2021-06-22 | 2021-08-24 | 深圳市查策网络信息技术有限公司 | 一种基于多数据融合的用户意图预测方法 |
CN113488146A (zh) * | 2021-07-29 | 2021-10-08 | 广州柏视医疗科技有限公司 | 一种头颈部鼻咽癌引流区和转移淋巴结的自动勾画方法 |
CN113822863A (zh) * | 2021-09-13 | 2021-12-21 | 桂林电子科技大学 | 一种鼻咽癌概率图谱获取及定量分析方法 |
CN113993475A (zh) * | 2020-05-20 | 2022-01-28 | 康坦手术股份有限公司 | 通过图像分析来预测病变复发的方法 |
CN114119558A (zh) * | 2021-11-29 | 2022-03-01 | 桂林电子科技大学 | 一种自动生成鼻咽癌影像诊断结构化报告方法 |
CN114678105A (zh) * | 2022-03-21 | 2022-06-28 | 南京圣德医疗科技有限公司 | 一种结合人工智能技术自动计算球囊参数的方法 |
CN115579103A (zh) * | 2022-10-28 | 2023-01-06 | 大连大学附属中山医院 | 一种基于智慧医疗的分子影像智能报告管理系统及方法 |
CN116570848A (zh) * | 2023-07-13 | 2023-08-11 | 神州医疗科技股份有限公司 | 一种基于自动勾画的放疗临床辅助决策方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563134A (zh) * | 2017-08-30 | 2018-01-09 | 中山大学 | 一种用于精准预测胃癌患者预后的系统 |
CN108198621A (zh) * | 2018-01-18 | 2018-06-22 | 中山大学 | 一种基于神经网络的数据库数据综合诊疗决策方法 |
CN108206056A (zh) * | 2018-01-18 | 2018-06-26 | 中山大学 | 一种鼻咽癌人工智能辅助诊疗决策终端 |
CN108320797A (zh) * | 2018-01-18 | 2018-07-24 | 中山大学 | 一种鼻咽癌数据库及基于所述数据库的综合诊疗决策方法 |
CN108335756A (zh) * | 2018-01-18 | 2018-07-27 | 中山大学 | 鼻咽癌数据库及基于所述数据库的综合诊疗决策方法 |
-
2019
- 2019-10-25 CN CN201911029364.1A patent/CN111128328A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563134A (zh) * | 2017-08-30 | 2018-01-09 | 中山大学 | 一种用于精准预测胃癌患者预后的系统 |
CN108198621A (zh) * | 2018-01-18 | 2018-06-22 | 中山大学 | 一种基于神经网络的数据库数据综合诊疗决策方法 |
CN108206056A (zh) * | 2018-01-18 | 2018-06-26 | 中山大学 | 一种鼻咽癌人工智能辅助诊疗决策终端 |
CN108320797A (zh) * | 2018-01-18 | 2018-07-24 | 中山大学 | 一种鼻咽癌数据库及基于所述数据库的综合诊疗决策方法 |
CN108335756A (zh) * | 2018-01-18 | 2018-07-27 | 中山大学 | 鼻咽癌数据库及基于所述数据库的综合诊疗决策方法 |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113993475A (zh) * | 2020-05-20 | 2022-01-28 | 康坦手术股份有限公司 | 通过图像分析来预测病变复发的方法 |
CN111768367A (zh) * | 2020-05-20 | 2020-10-13 | 深圳迈瑞生物医疗电子股份有限公司 | 数据处理方法、装置和存储介质 |
CN111768367B (zh) * | 2020-05-20 | 2024-03-29 | 深圳迈瑞生物医疗电子股份有限公司 | 数据处理方法、装置和存储介质 |
CN111657945B (zh) * | 2020-06-16 | 2023-09-12 | 中南大学湘雅医院 | 一种基于增强mri影像组学的鼻咽癌预后辅助评估方法 |
CN111657945A (zh) * | 2020-06-16 | 2020-09-15 | 中南大学湘雅医院 | 一种基于增强mri影像组学的鼻咽癌预后辅助评估方法 |
CN111951962A (zh) * | 2020-07-27 | 2020-11-17 | 中山大学孙逸仙纪念医院 | 一种贝伐单抗治疗放射性脑损伤疗效预测模型及其构建方法 |
CN111951962B (zh) * | 2020-07-27 | 2022-03-11 | 中山大学孙逸仙纪念医院 | 一种贝伐单抗治疗放射性脑损伤疗效预测模型及其构建方法 |
CN111863248A (zh) * | 2020-08-04 | 2020-10-30 | 桂林电子科技大学 | 一种构建临床决策模型的有效方法 |
CN111863248B (zh) * | 2020-08-04 | 2022-10-11 | 桂林电子科技大学 | 一种构建临床决策模型的有效方法 |
CN112259211A (zh) * | 2020-10-23 | 2021-01-22 | 广州中医药大学第一附属医院 | 基于dti与1h-mrs技术的鼻咽癌放射性脑损伤程度检测系统 |
CN112259211B (zh) * | 2020-10-23 | 2024-01-16 | 广州中医药大学第一附属医院 | 基于dti与1h-mrs技术的鼻咽癌放射性脑损伤程度检测系统 |
CN112635027A (zh) * | 2020-10-29 | 2021-04-09 | 郑州大学第一附属医院 | 膝骨性关节炎的mri分类图像处理系统、方法及终端 |
CN112349433A (zh) * | 2020-11-06 | 2021-02-09 | 江苏翼企云通信科技有限公司 | 一种基于云计算的数据处理系统和方法 |
CN112927799A (zh) * | 2021-04-13 | 2021-06-08 | 中国科学院自动化研究所 | 融合多示例学习和多任务深度影像组学的生存期分析系统 |
CN112927799B (zh) * | 2021-04-13 | 2023-06-27 | 中国科学院自动化研究所 | 融合多示例学习和多任务深度影像组学的生存期分析系统 |
CN113034489A (zh) * | 2021-04-16 | 2021-06-25 | 南方医科大学第五附属医院 | 基于深度学习的人工智能鼻窦ct图像处理系统 |
CN113298321A (zh) * | 2021-06-22 | 2021-08-24 | 深圳市查策网络信息技术有限公司 | 一种基于多数据融合的用户意图预测方法 |
CN113257413A (zh) * | 2021-06-22 | 2021-08-13 | 安翰科技(武汉)股份有限公司 | 基于深度学习的癌症预后生存预测方法、设备及存储介质 |
CN113488146A (zh) * | 2021-07-29 | 2021-10-08 | 广州柏视医疗科技有限公司 | 一种头颈部鼻咽癌引流区和转移淋巴结的自动勾画方法 |
CN113822863A (zh) * | 2021-09-13 | 2021-12-21 | 桂林电子科技大学 | 一种鼻咽癌概率图谱获取及定量分析方法 |
CN113822863B (zh) * | 2021-09-13 | 2023-05-26 | 桂林电子科技大学 | 一种鼻咽癌概率图谱获取及定量分析方法 |
CN114119558A (zh) * | 2021-11-29 | 2022-03-01 | 桂林电子科技大学 | 一种自动生成鼻咽癌影像诊断结构化报告方法 |
CN114119558B (zh) * | 2021-11-29 | 2024-05-03 | 桂林电子科技大学 | 一种自动生成鼻咽癌影像诊断结构化报告方法 |
CN114678105B (zh) * | 2022-03-21 | 2023-10-17 | 南京圣德医疗科技有限公司 | 一种结合人工智能技术自动计算球囊参数的方法 |
CN114678105A (zh) * | 2022-03-21 | 2022-06-28 | 南京圣德医疗科技有限公司 | 一种结合人工智能技术自动计算球囊参数的方法 |
CN115579103A (zh) * | 2022-10-28 | 2023-01-06 | 大连大学附属中山医院 | 一种基于智慧医疗的分子影像智能报告管理系统及方法 |
CN116570848A (zh) * | 2023-07-13 | 2023-08-11 | 神州医疗科技股份有限公司 | 一种基于自动勾画的放疗临床辅助决策方法及系统 |
CN116570848B (zh) * | 2023-07-13 | 2023-09-15 | 神州医疗科技股份有限公司 | 一种基于自动勾画的放疗临床辅助决策系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111128328A (zh) | 鼻咽癌结构化影像报告及数据处理系统和方法 | |
Barisoni et al. | Digital pathology and computational image analysis in nephropathology | |
Bakas et al. | Advancing the cancer genome atlas glioma MRI collections with expert segmentation labels and radiomic features | |
US20200272864A1 (en) | Platform, device and process for annotation and classification of tissue specimens using convolutional neural network | |
Zhao et al. | Deep neural network based artificial intelligence assisted diagnosis of bone scintigraphy for cancer bone metastasis | |
Resteghini et al. | Big data in head and neck cancer | |
Liebl et al. | A computed tomography vertebral segmentation dataset with anatomical variations and multi-vendor scanner data | |
WO2021020198A1 (ja) | 情報処理装置、プログラム、学習済みモデル、診断支援装置、学習装置及び予測モデルの生成方法 | |
CN1839391A (zh) | 用于乳房成像的自动诊断和决策支持的系统和方法 | |
Zhong et al. | Enhancing head and neck tumor management with artificial intelligence: Integration and perspectives | |
Warin et al. | Maxillofacial fracture detection and classification in computed tomography images using convolutional neural network-based models | |
Tosun et al. | Histomapr™: An explainable ai (xai) platform for computational pathology solutions | |
Wu et al. | Case Study of Next-Generation Artificial Intelligence in Medical Image Diagnosis Based on Cloud Computing | |
Khanna et al. | Current Challenges and Opportunities in Implementing AI/ML in Cancer Imaging: Integration, Development, and Adoption Perspectives | |
Zhang et al. | Novel research and future prospects of artificial intelligence in cancer diagnosis and treatment | |
Wang et al. | Radiomics and deep learning in nasopharyngeal carcinoma: a review | |
US20140188511A1 (en) | Systems and methods for stratification and management of medical conditions | |
CN114068001A (zh) | 头颈部肿瘤临床决策、教学、科研辅助支持系统及方法 | |
Folle et al. | DeepNAPSI multi-reader nail psoriasis prediction using deep learning | |
Jeong et al. | The EMory BrEast imaging Dataset (EMBED): a racially diverse, granular dataset of 3.5 M screening and diagnostic mammograms | |
Zeng et al. | New roles for clinicians in the age of artificial intelligence | |
Oniga et al. | Applications of ai and hpc in the health domain | |
Ma et al. | Histopathological auxiliary system for brain tumour (HAS-Bt) based on weakly supervised learning using a WHO CNS5-style pipeline | |
Zuo et al. | Value of multi‐center 18F‐FDG PET/CT radiomics in predicting EGFR mutation status in lung adenocarcinoma | |
CN114067996A (zh) | 鼻咽癌临床决策、教学、科研辅助支持系统及方法 |
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 |