CN111223554A - 一种智能ai pacs系统及其检查报告信息处理方法 - Google Patents

一种智能ai pacs系统及其检查报告信息处理方法 Download PDF

Info

Publication number
CN111223554A
CN111223554A CN201911363545.8A CN201911363545A CN111223554A CN 111223554 A CN111223554 A CN 111223554A CN 201911363545 A CN201911363545 A CN 201911363545A CN 111223554 A CN111223554 A CN 111223554A
Authority
CN
China
Prior art keywords
image
module
data
patient
focus
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
CN201911363545.8A
Other languages
English (en)
Inventor
吴敏
龚启勇
吕粟
余建群
黄晓琦
谢若曦
吴子君
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 CN201911363545.8A priority Critical patent/CN111223554A/zh
Publication of CN111223554A publication Critical patent/CN111223554A/zh
Pending legal-status Critical Current

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • 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)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Computer Graphics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明属于医学影像技术领域，公开了一种智能AI PACS系统及其检查报告信息处理方法，所述智能AI PACS系统包括：患者信息采集模块、影像采集模块、影像分类模块、中央控制模块、测量模块、影像处理模块、影像分析模块、报告生成模块、压缩加密模块、无线通信模块、数据存储模块、终端模块、同步更新模块、显示模块。本发明通过测量模块可以全面采集病灶所有体素数据，测量结果更接近病灶的真实体积，客观性、准确性较高；通过同步模块可以用较低的成本将所有医院PACS系统的影像数据实现同步，为患者转诊提供较为方便的方式，实现了患者对自我影像数据的存储和管理，为临床医生的诊断提供了患者完整的影像数据。

Description

一种智能AI PACS系统及其检查报告信息处理方法
技术领域
本发明属于医学影像技术领域，尤其涉及一种智能AI PACS系统及其检查报告信息处理方法。
背景技术
PACS系统(Picture Archiving and Communication Systems)意为影像归档和通信系统。它是应用在医院影像科室的系统，主要的任务就是把日常产生的各种医学影像(包括核磁，CT，超声，各种X光机，各种红外仪、显微仪等设备产生的图像)通过各种接口(模拟，DICOM，网络)以数字化的方式海量保存起来，当需要的时候在一定的授权下能够很快的调回使用，同时增加一些辅助诊断管理功能。它在各种影像设备间传输数据和组织存储数据具有重要作用。然而，现有PACS系统对患者病灶体积测量误差大；同时，不能同步患者完整的影像数据，当患者需要到其他医院就诊或转诊时，医院要求患者重新做影像检查，费时费钱。而基于人工智能的医学影像系统，能够准确、快速的找到影像中的怀疑病灶，对医学影像上的病灶检出。
若想将通过基于人工智能的医学影像系统进入PACS系统流程，PACS系统和基于人工智能的医学影像系统两个系统需要进行联通。发明人发现，在一些方式中，是通过网页版本的影像图像浏览器对影像进行浏览，可以获得快速的响应。但是由于硬件设备相对使用时间较长，硬件设备的性能已经相对落后，在支持浏览器的核心参数上内存和CPU的性能较低。在另一些方式中，通过客户端软件的方式将基于人工智能的医学影像系统软件安装到使用者的设备内，在启动PACS系统同时运行基于人工智能的医学影像系统软件。但是数据访问过程中由于频繁读写数据，造成硬盘的读写速度也会被分摊，此时老旧硬件设备难以承受复杂程序，容易造成数据读写慢。
综上所述，现有技术存在的问题是：
(1)现有PACS系统对患者病灶体积测量误差大；同时，不能同步患者完整的影像数据，当患者需要到其他医院就诊或转诊时，医院要求患者重新做影像检查，费时费钱。
(2)现有PACS系统数据访问过程中由于频繁读写数据，造成硬盘的读写速度也会被分摊，此时老旧硬件设备难以承受复杂程序，容易造成数据读写慢。
发明内容
针对现有技术存在的问题，本发明提供了一种智能AI PACS系统及其检查报告信息处理方法。
本发明是这样实现的，一种智能AI PACS系统包括：
患者信息采集模块、影像采集模块、影像分类模块、中央控制模块、测量模块、影像处理模块、影像分析模块、报告生成模块、压缩加密模块、无线通信模块、数据存储模块、终端模块、同步更新模块、显示模块。
患者信息采集模块，与中央控制模块连接，用于通过患者信息采集设备采集患者身份编号、生理、病症信息数据；
影像采集模块，与中央控制模块连接，用于通过医疗影像设备采集患者病灶影像数据；所述采集的影像为CT影像、MR影像、PET影像、超声影像中的一种或多种；
影像分类模块，与中央控制模块连接，用于通过基于深度学习神经网络模型对采集的患者影像进行分类；
中央控制模块，与患者信息采集模块、影像采集模块、影像分类模块、测量模块、影像处理模块、影像分析模块、报告生成模块、压缩加密模块、无线通信模块、数据存储模块、终端模块、同步更新模块、显示模块连接，用于通过主控机控制各个模块正常工作；
测量模块，与中央控制模块连接，用于通过患者影像测量程序对患者病灶进行三维测量；
影像处理模块，与中央控制模块连接，用于通过数据处理程序对采集的病灶影像数据进行处理；
影像分析模块，与中央控制模块连接，用于通过分析程序根据采集的病灶影像数据对患者病症进行分析；
报告生成模块，与中央控制模块连接，用于通过报告生成程序自动检索历史检查，智能匹配多次检查中的同一病灶，根据比较及分析结果生成准确量化的检查报告；
压缩加密模块，与中央控制模块连接，用于通过压缩加密程序对采集的患者信息、病灶影像数据及分析结果、医学检查报告的实时数据进行压缩加密；
无线通信模块，与中央控制模块、数据存储模块、终端模块连接，用于通过无线网络进行压缩加密后的数据的传输；
数据存储模块，与中央控制模块连接，包括在线存储设备和备份存储设备，通过云服务器的在线存储设备存储第一时间段的患者信息、病灶影像数据及分析结果、检查报告的实时数据；通过云服务器的备份存储设备第二时间段的数据；所述第一时间段为从现在至N个月之前，所述第二时间段为N个月之前的所有时间段；所述在线存储设备为硬盘，备份存储设备为磁带；
终端模块，与中央控制模块连接，用于通过云服务器将采集的患者信息、病灶影像数据及分析结果、检查报告的实时数据发送至移动终端；移动终端获取云服务器中的压缩加密图像，解压解密后进行查看；所述移动终端包括平板电脑、手机；
同步更新模块，与中央控制模块连接，用于通过同步程序对采集的病灶影像进行同步更新；
显示模块，与中央控制模块连接，用于通过显示器显示采集的患者信息、病灶影像数据及分析结果、检查报告的实时数据。
本发明的另一目的在于提供一种应用所述智能AI PACS系统的检查报告信息处理方法，所述智能AI PACS系统的检查报告信息处理方法包括以下步骤：
步骤一，通过患者信息采集设备采集患者身份编号、生理、病症信息数据；通过医疗影像设备采集患者病灶影像数据。
步骤二，通过基于深度学习神经网络模型对采集的患者影像进行分类；通过主控机控制各个模块正常工作。
步骤三，通过患者影像测量程序对患者病灶进行三维测量；通过数据处理程序对采集的病灶影像数据进行处理。
步骤四，通过分析程序根据采集的病灶影像数据对患者病症进行分析；通过报告生成程序自动检索历史检查，智能匹配多次检查中的同一病灶，根据比较及分析结果生成准确量化的检查报告。
步骤五，通过压缩加密程序对采集的患者信息、病灶影像数据及分析结果、医学检查报告的实时数据进行压缩加密；通过无线网络进行压缩加密后的数据的传输。
步骤六，通过云服务器的在线存储设备存储第一时间段的患者信息、病灶影像数据及分析结果、检查报告的实时数据；通过云服务器的备份存储设备第二时间段的数据。
步骤七，通过云服务器将采集的患者信息、病灶影像数据及分析结果、检查报告的实时数据发送至移动终端；移动终端获取云服务器中的压缩加密图像，解压解密后进行查看。
步骤八，通过同步程序对采集的病灶影像进行同步更新；通过显示器显示采集的患者信息、病灶影像数据及分析结果、检查报告的实时数据。
进一步，步骤三中，所述通过患者影像测量程序对患者病灶进行三维测量的方法如下：
(1)获取待检测医疗图像；对所述待检测医疗图像进行图像分割处理，得到若干个互不相交的待检测区域图像。
(2)针对每个待检测区域图像，先提取图像轮廓特征，然后根据提取的图像轮廓特征识别出对应的器官组织，确定病灶区域。
(3)测出病灶区域的最大CT值与最小CT值，之后进行图像三维重建；
(4)分别在重建好的三维图像的横断面、矢状面、冠状面中用适合病灶大小的矩形框选定所要测量的病灶。
(5)选一种颜色来表示步骤(3)中病灶最大CT值与最小CT值之间的CT值范围。
(6)系统自动测量出该颜色区域的体积大小，即我们所要测量的局限性病灶的体积。
进一步，步骤三中，所述通过数据处理程序对采集的病灶影像数据进行处理的方法包括：
(Ⅰ)将所述AI PACS系统的服务器接入网络；通过预设传输通道获得通过拍摄获得的原始医学影像数据，传输至用于处理医学影像病灶部位的服务器；并根据标准接口储存所述原始医学影像数据。
(Ⅱ)接收所述原始医学影像数据经过预设处理后的灰阶图像显示状态数据，并将所述灰阶图像显示状态数据储存在AI PACS系统中。
(Ⅲ)接收通过所述用于处理医学影像病灶部位的服务器处理后推送的所述灰阶图像显示状态DICOM数据；根据数据调用请求判断目标影像的储存位置。
(Ⅳ)根据储存位置调用所述原始医学影像数据和所述灰阶图像显示状态数据；返回在原始医学影像上显示灰阶图像显示状态的所述原始医学影像数据和所述灰阶图像显示状态数据的叠加显示结果。
进一步，步骤(Ⅱ)中，接收所述原始医学影像数据经过预设处理后的灰阶图像显示状态数据，并将所述灰阶图像显示状态数据储存在AI PACS系统中具体包括：
将用于对所原始医学影像数据执行预设处理的服务器接入网络。
通过预设传输通道获得所述灰阶图像显示状态数据。
根据标准接口储存所述灰阶图像显示状态数据。
进一步，步骤四中，所述对患者病症进行分析并生成检查报告的方法包括：
(1)获取经过处理的病灶影像数据；根据病灶影像数据从影像数据库中获取目标医学影像。
(2)系统通过报告生成程序自动检索历史检查，将目标医学影像对应的DICOM格式文件内存与预设内存进行比较，智能匹配多次检查中的同一病灶。
(3)根据比较结果将所述目标医学影像发送到人工智能端进行影像分析处理，其中，所述目标医学影像包含所述DICOM格式文件内存。
(4)接收所述人工智能端响应影像分析处理结果返回的DICOM格式的第一目标文件和第二目标文件，并将所述第一目标文件和所述第二目标文件反馈给系统；系统根据比较及分析结果生成准确量化的检查报告。
进一步，步骤八中，所述通过同步程序对采集的病灶影像进行同步更新的方法如下：
1)采集患者的医疗影像数据，并解析影像数据信息和像素间隔信息；对医疗影像数据进行增强、降噪处理。
2)每隔一定时间间隔刷新一次视图，当发现PACS系统中有新增数据时，读取新增的患者编号、检查编号以及影像文件的存储路径。
3)根据影像文件的存储路径读取影像文件，并存储到文件夹中。
4)按预设时间扫描一次是否有新增的影像文件，即增量文件；若存在增量文件，则通过利用sockets套接字结合完成的端口将增量文件以及对应的患者编号、检查编号同步到云端服务器。
进一步，根据影像文件的存储路径读取影像文件，并存储到文件夹中的步骤之后，还包括：
对存储的影像文件进行图像拆分组合处理，并生成密钥。
并且在所述将增量文件以及对应的患者编号、检查编号同步到云端服务器步骤中，将处理后的增量文件和密钥以及对应的患者编号、检查编号同步到云端服务器。
进一步，根据对存储的影像文件进行图像拆分组合处理，并生成密钥步骤，具体包括：
将影像文件中所有图像按照时间顺序进行排序。
针对每一幅图像，在宽度方向随机生成w-1个点，在高度方向随机生成h-1个点，每幅图像拆分成w×h个网格像素块。
按顺序从各幅图像中随机取出一个像素块进行第一轮选取，然后从各幅图像剩余的像素块中随机取出一个像素块进行第二轮选取，这样经过w×h轮选取后所有像素块被选完，得到一个存储块矩阵：
Figure BDA0002337815250000071
其中，m为图像数量，TzXij为第i轮选取时，从第z幅图像随机选取的第Xij个像素块，这里Xij∈[1,w×h]。
为存储块矩阵中的每个像素块乘以一个亮度因子，得到变形矩阵：
Figure BDA0002337815250000072
其中，
Figure BDA0002337815250000073
中的函数
Figure BDA0002337815250000074
表示像素块F的平均亮度值，D为基准亮度值，所述处理后的增量文件为所述变形矩阵C。
生成当前影像文件对应的密钥，所述密钥中包括w和h，还包括密钥矩阵：
Figure BDA0002337815250000081
进一步，所述密钥矩阵从左上角开始进行2×2区域分割，每个区域有4个元素，对每个区域内的元素按照顺时针方向转动一个位置，若密钥矩阵的列数为奇数，则不处理最后一列元素，若密钥矩阵的行数为奇数，则不处理最后一行元素。
本发明的优点及积极效果为：本发明通过测量模块测量客观性、准确性较高：其通过颜色标记追踪，可以相对全面的采集病灶所有体素数据，因此结果较接近病灶的真实体积，且由计算机测量与计算，最大程度的减小了人为测量的误差；同时，通过同步模块定时刷新视图并获取新增数据，并且PACS系统的影像文件数据能实时传输云端服务器，减少对医院PACS系统本身的负荷；这样患者通过访问前置服务器就可以直接获取到自己的影像文件，医院也无需给患者医用胶片；其他医院通过授权也可以查找和访问患者的影像文件，节约了时间和费用开销；利用互联网新技术，可以用较低的成本将所有医院PACS系统的影像数据实现同步，为患者转诊提供较为方便的方式，实现了患者对自我影像数据的存储和管理，为临床医生的诊断提供了患者完整的影像数据。
本发明通过影像处理模块将接收原始医学影像数据储存在AI PACS系统中，并接收所述原始医学影像数据经过预设处理后的灰阶图像显示状态数据，以及将所述灰阶图像显示状态数据储存在所述影像归档和通信系统中，达到了根据数据调用请求返回在所述原始医学影像数据上显示所述灰阶图像显示状态的处理结果的目的，从而实现了不同系统的联通，降低硬件设备内存压力和硬件设备维护成本的技术效果，进而解决了由于硬件设备老旧或性能较低而造成医学影像阅片时响应速度慢、设备内存占用率较高的技术问题。
附图说明
图1是本发明实施例提供的智能AI PACS系统结构示意图；
图中：1、患者信息采集模块；2、影像采集模块；3、影像分类模块；4、中央控制模块；5、测量模块；6、影像处理模块；7、影像分析模块；8、报告生成模块；9、压缩加密模块；10、无线通信模块；11、数据存储模块；12、终端模块；13、同步更新模块；14、显示模块。
图2是本发明实施例提供的智能AI PACS系统的检查报告信息处理方法流程图。
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，本发明实施例提供的智能AI PACS系统包括：患者信息采集模块1、影像采集模块2、影像分类模块3、中央控制模块4、测量模块5、影像处理模块6、影像分析模块7、报告生成模块8、压缩加密模块9、无线通信模块10、数据存储模块11、终端模块12、同步更新模块13、显示模块14。
患者信息采集模块1，与中央控制模块4连接，用于通过患者信息采集设备采集患者身份编号、生理、病症信息数据；
影像采集模块2，与中央控制模块4连接，用于通过医疗影像设备采集患者病灶影像数据；所述采集的影像为CT影像、MR影像、PET影像、超声影像中的一种或多种；
影像分类模块3，与中央控制模块4连接，用于通过基于深度学习神经网络模型对采集的患者影像进行分类；
中央控制模块4，与患者信息采集模块1、影像采集模块2、影像分类模块3、测量模块5、影像处理模块6、影像分析模块7、报告生成模块8、压缩加密模块9、无线通信模块10、数据存储模块11、终端模块12、同步更新模块13、显示模块14连接，用于通过主控机控制各个模块正常工作；
测量模块5，与中央控制模块4连接，用于通过患者影像测量程序对患者病灶进行三维测量；
影像处理模块6，与中央控制模块4连接，用于通过数据处理程序对采集的病灶影像数据进行处理；
影像分析模块7，与中央控制模块4连接，用于通过分析程序根据采集的病灶影像数据对患者病症进行分析；
报告生成模块8，与中央控制模块4连接，用于通过报告生成程序自动检索历史检查，智能匹配多次检查中的同一病灶，根据比较及分析结果生成准确量化的检查报告；
压缩加密模块9，与中央控制模块4连接，用于通过压缩加密程序对采集的患者信息、病灶影像数据及分析结果、医学检查报告的实时数据进行压缩加密；
无线通信模块10，与中央控制模块4、数据存储模块11、终端模块12连接，用于通过无线网络进行压缩加密后的数据的传输；
数据存储模块11，与中央控制模块4连接，包括在线存储设备和备份存储设备，通过云服务器的在线存储设备存储第一时间段的患者信息、病灶影像数据及分析结果、检查报告的实时数据；通过云服务器的备份存储设备第二时间段的数据；所述第一时间段为从现在至N个月之前，所述第二时间段为N个月之前的所有时间段；所述在线存储设备为硬盘，备份存储设备为磁带；
终端模块12，与中央控制模块4连接，用于通过云服务器将采集的患者信息、病灶影像数据及分析结果、检查报告的实时数据发送至移动终端；移动终端获取云服务器中的压缩加密图像，解压解密后进行查看；所述移动终端包括平板电脑、手机；
同步更新模块13，与中央控制模块4连接，用于通过同步程序对采集的病灶影像进行同步更新；
显示模块14，与中央控制模块4连接，用于通过显示器显示采集的患者信息、病灶影像数据及分析结果、检查报告的实时数据。
如图2所示，本发明实施例提供的智能AI PACS系统的检查报告信息处理方法包括以下步骤：
S101：通过患者信息采集设备采集患者身份编号、生理、病症信息数据；通过医疗影像设备采集患者病灶影像数据。
S102：通过基于深度学习神经网络模型对采集的患者影像进行分类；通过主控机控制各个模块正常工作。
S103：通过患者影像测量程序对患者病灶进行三维测量；通过数据处理程序对采集的病灶影像数据进行处理。
S104：通过分析程序根据采集的病灶影像数据对患者病症进行分析；通过报告生成程序自动检索历史检查，智能匹配多次检查中的同一病灶，根据比较及分析结果生成准确量化的检查报告。
S105：通过压缩加密程序对采集的患者信息、病灶影像数据及分析结果、医学检查报告的实时数据进行压缩加密；通过无线网络进行压缩加密后的数据的传输。
S106：通过云服务器的在线存储设备存储第一时间段的患者信息、病灶影像数据及分析结果、检查报告的实时数据；通过云服务器的备份存储设备第二时间段的数据。
S107：通过云服务器将采集的患者信息、病灶影像数据及分析结果、检查报告的实时数据发送至移动终端；移动终端获取云服务器中的压缩加密图像，解压解密后进行查看。
S108：通过同步程序对采集的病灶影像进行同步更新；通过显示器显示采集的患者信息、病灶影像数据及分析结果、检查报告的实时数据。
本发明实施例提供的S103中，通过患者影像测量程序对患者病灶进行三维测量的方法如下：
(1)获取待检测医疗图像；对所述待检测医疗图像进行图像分割处理，得到若干个互不相交的待检测区域图像。
(2)针对每个待检测区域图像，先提取图像轮廓特征，然后根据提取的图像轮廓特征识别出对应的器官组织，确定病灶区域。
(3)测出病灶区域的最大CT值与最小CT值，之后进行图像三维重建；
(4)分别在重建好的三维图像的横断面、矢状面、冠状面中用适合病灶大小的矩形框选定所要测量的病灶。
(5)选一种颜色来表示步骤(3)中病灶最大CT值与最小CT值之间的CT值范围。
(6)系统自动测量出该颜色区域的体积大小，即我们所要测量的局限性病灶的体积。
本发明实施例提供的S103中，通过数据处理程序对采集的病灶影像数据进行处理的方法包括：
(Ⅰ)将所述AI PACS系统的服务器接入网络；通过预设传输通道获得通过拍摄获得的原始医学影像数据，传输至用于处理医学影像病灶部位的服务器；并根据标准接口储存所述原始医学影像数据。
(Ⅱ)接收所述原始医学影像数据经过预设处理后的灰阶图像显示状态数据，并将所述灰阶图像显示状态数据储存在AI PACS系统中。
(Ⅲ)接收通过所述用于处理医学影像病灶部位的服务器处理后推送的所述灰阶图像显示状态DICOM数据；根据数据调用请求判断目标影像的储存位置。
(Ⅳ)根据储存位置调用所述原始医学影像数据和所述灰阶图像显示状态数据；返回在原始医学影像上显示灰阶图像显示状态的所述原始医学影像数据和所述灰阶图像显示状态数据的叠加显示结果。
本发明实施例提供的步骤(Ⅱ)中，接收所述原始医学影像数据经过预设处理后的灰阶图像显示状态数据，并将所述灰阶图像显示状态数据储存在AIPACS系统中具体包括：
将用于对所原始医学影像数据执行预设处理的服务器接入网络。
通过预设传输通道获得所述灰阶图像显示状态数据。
根据标准接口储存所述灰阶图像显示状态数据。
本发明实施例提供的S104中，对患者病症进行分析并生成检查报告的方法包括：
(1)获取经过处理的病灶影像数据；根据病灶影像数据从影像数据库中获取目标医学影像。
(2)系统通过报告生成程序自动检索历史检查，将目标医学影像对应的DICOM格式文件内存与预设内存进行比较，智能匹配多次检查中的同一病灶。
(3)根据比较结果将所述目标医学影像发送到人工智能端进行影像分析处理，其中，所述目标医学影像包含所述DICOM格式文件内存。
(4)接收所述人工智能端响应影像分析处理结果返回的DICOM格式的第一目标文件和第二目标文件，并将所述第一目标文件和所述第二目标文件反馈给系统；系统根据比较及分析结果生成准确量化的检查报告。
本发明实施例提供的S108中，通过同步程序对采集的病灶影像进行同步更新的方法如下：
1)采集患者的医疗影像数据，并解析影像数据信息和像素间隔信息；对医疗影像数据进行增强、降噪处理。
2)每隔一定时间间隔刷新一次视图，当发现PACS系统中有新增数据时，读取新增的患者编号、检查编号以及影像文件的存储路径。
3)根据影像文件的存储路径读取影像文件，并存储到文件夹中。
4)按预设时间扫描一次是否有新增的影像文件，即增量文件；若存在增量文件，则通过利用sockets套接字结合完成的端口将增量文件以及对应的患者编号、检查编号同步到云端服务器。
本发明实施例提供的在所述根据影像文件的存储路径读取影像文件，并存储到文件夹中的步骤之后，还包括：
对存储的影像文件进行图像拆分组合处理，并生成密钥。
并且在所述将增量文件以及对应的患者编号、检查编号同步到云端服务器步骤中，将处理后的增量文件和密钥以及对应的患者编号、检查编号同步到云端服务器。
本发明实施例提供的在所述根据对存储的影像文件进行图像拆分组合处理，并生成密钥步骤，具体包括：
将影像文件中所有图像按照时间顺序进行排序。
针对每一幅图像，在宽度方向随机生成w-1个点，在高度方向随机生成h-1个点，每幅图像拆分成w×h个网格像素块。
按顺序从各幅图像中随机取出一个像素块进行第一轮选取，然后从各幅图像剩余的像素块中随机取出一个像素块进行第二轮选取，这样经过w×h轮选取后所有像素块被选完，得到一个存储块矩阵：
Figure BDA0002337815250000141
其中，m为图像数量，TzXij为第i轮选取时，从第z幅图像随机选取的第Xij个像素块，这里Xij∈[1,w×h]。
为存储块矩阵中的每个像素块乘以一个亮度因子，得到变形矩阵：
Figure BDA0002337815250000142
其中，
Figure BDA0002337815250000143
中的函数
Figure BDA0002337815250000144
表示像素块F的平均亮度值，D为基准亮度值，所述处理后的增量文件为所述变形矩阵C。
生成当前影像文件对应的密钥，所述密钥中包括w和h，还包括密钥矩阵：
Figure BDA0002337815250000151
本发明实施例提供的密钥矩阵从左上角开始进行2×2区域分割，每个区域有4个元素，对每个区域内的元素按照顺时针方向转动一个位置，若密钥矩阵的列数为奇数，则不处理最后一列元素，若密钥矩阵的行数为奇数，则不处理最后一行元素。
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 (10)

1.一种智能AIPACS系统，其特征在于，所述智能AIPACS系统包括：
患者信息采集模块，与中央控制模块连接，用于通过患者信息采集设备采集患者身份编号、生理、病症信息数据；
影像采集模块，与中央控制模块连接，用于通过医疗影像设备采集患者病灶影像数据；所述采集的影像为CT影像、MR影像、PET影像、超声影像中的一种或多种；
影像分类模块，与中央控制模块连接，用于通过基于深度学习神经网络模型对采集的患者影像进行分类；
中央控制模块，与患者信息采集模块、影像采集模块、影像分类模块、测量模块、影像处理模块、影像分析模块、报告生成模块、压缩加密模块、无线通信模块、数据存储模块、终端模块、同步更新模块、显示模块连接，用于通过主控机控制各个模块正常工作；
测量模块，与中央控制模块连接，用于通过患者影像测量程序对患者病灶进行三维测量；
影像处理模块，与中央控制模块连接，用于通过数据处理程序对采集的病灶影像数据进行处理；
影像分析模块，与中央控制模块连接，用于通过分析程序根据采集的病灶影像数据对患者病症进行分析；
报告生成模块，与中央控制模块连接，用于通过报告生成程序自动检索历史检查，智能匹配多次检查中的同一病灶，根据比较及分析结果生成准确量化的检查报告；
压缩加密模块，与中央控制模块连接，用于通过压缩加密程序对采集的患者信息、病灶影像数据及分析结果、医学检查报告的实时数据进行压缩加密；
无线通信模块，与中央控制模块、数据存储模块、终端模块连接，用于通过无线网络进行压缩加密后的数据的传输；
数据存储模块，与中央控制模块连接，包括在线存储设备和备份存储设备，通过云服务器的在线存储设备存储第一时间段的患者信息、病灶影像数据及分析结果、检查报告的实时数据；通过云服务器的备份存储设备第二时间段的数据；所述第一时间段为从现在至N个月之前，所述第二时间段为N个月之前的所有时间段；所述在线存储设备为硬盘，备份存储设备为磁带；
终端模块，与中央控制模块连接，用于通过云服务器将采集的患者信息、病灶影像数据及分析结果、检查报告的实时数据发送至移动终端；移动终端获取云服务器中的压缩加密图像，解压解密后进行查看；所述移动终端包括平板电脑、手机；
同步更新模块，与中央控制模块连接，用于通过同步程序对采集的病灶影像进行同步更新；
显示模块，与中央控制模块连接，用于通过显示器显示采集的患者信息、病灶影像数据及分析结果、检查报告的实时数据。
2.一种应用如权利要求1所述智能AIPACS系统的检查报告信息处理方法，其特征在于，所述智能AIPACS系统的检查报告信息处理方法包括以下步骤：
步骤一，通过患者信息采集设备采集患者身份编号、生理、病症信息数据；通过医疗影像设备采集患者病灶影像数据；
步骤二，通过基于深度学习神经网络模型对采集的患者影像进行分类；通过主控机控制各个模块正常工作；
步骤三，通过患者影像测量程序对患者病灶进行三维测量；通过数据处理程序对采集的病灶影像数据进行处理；
步骤四，通过分析程序根据采集的病灶影像数据对患者病症进行分析；通过报告生成程序自动检索历史检查，智能匹配多次检查中的同一病灶，根据比较及分析结果生成准确量化的检查报告；
步骤五，通过压缩加密程序对采集的患者信息、病灶影像数据及分析结果、医学检查报告的实时数据进行压缩加密；通过无线网络进行压缩加密后的数据的传输；
步骤六，通过云服务器的在线存储设备存储第一时间段的患者信息、病灶影像数据及分析结果、检查报告的实时数据；通过云服务器的备份存储设备第二时间段的数据；
步骤七，通过云服务器将采集的患者信息、病灶影像数据及分析结果、检查报告的实时数据发送至移动终端；移动终端获取云服务器中的压缩加密图像，解压解密后进行查看；
步骤八，通过同步程序对采集的病灶影像进行同步更新；通过显示器显示采集的患者信息、病灶影像数据及分析结果、检查报告的实时数据。
3.如权利要求2所述智能AIPACS系统的检查报告信息处理方法，其特征在于，步骤三中，所述通过患者影像测量程序对患者病灶进行三维测量的方法如下：
(1)获取待检测医疗图像；对所述待检测医疗图像进行图像分割处理，得到若干个互不相交的待检测区域图像；
(2)针对每个待检测区域图像，先提取图像轮廓特征，然后根据提取的图像轮廓特征识别出对应的器官组织，确定病灶区域；
(3)测出病灶区域的最大CT值与最小CT值，之后进行图像三维重建；
(4)分别在重建好的三维图像的横断面、矢状面、冠状面中用适合病灶大小的矩形框选定所要测量的病灶；
(5)选一种颜色来表示步骤(3)中病灶最大CT值与最小CT值之间的CT值范围；
(6)系统自动测量出该颜色区域的体积大小，即我们所要测量的局限性病灶的体积。
4.如权利要求2所述智能AIPACS系统的检查报告信息处理方法，其特征在于，步骤三中，所述通过数据处理程序对采集的病灶影像数据进行处理的方法包括：
(Ⅰ)将所述AIPACS系统的服务器接入网络；通过预设传输通道获得通过拍摄获得的原始医学影像数据，传输至用于处理医学影像病灶部位的服务器；并根据标准接口储存所述原始医学影像数据；
(Ⅱ)接收所述原始医学影像数据经过预设处理后的灰阶图像显示状态数据，并将所述灰阶图像显示状态数据储存在AIPACS系统中；
(Ⅲ)接收通过所述用于处理医学影像病灶部位的服务器处理后推送的所述灰阶图像显示状态DICOM数据；根据数据调用请求判断目标影像的储存位置；
(Ⅳ)根据储存位置调用所述原始医学影像数据和所述灰阶图像显示状态数据；返回在原始医学影像上显示灰阶图像显示状态的所述原始医学影像数据和所述灰阶图像显示状态数据的叠加显示结果。
5.如权利要求4所述智能AIPACS系统的检查报告信息处理方法，其特征在于，步骤(Ⅱ)中，接收所述原始医学影像数据经过预设处理后的灰阶图像显示状态数据，并将所述灰阶图像显示状态数据储存在AIPACS系统中具体包括：
将用于对所原始医学影像数据执行预设处理的服务器接入网络；
通过预设传输通道获得所述灰阶图像显示状态数据；
根据标准接口储存所述灰阶图像显示状态数据。
6.如权利要求2所述智能AIPACS系统的检查报告信息处理方法，其特征在于，步骤四中，所述对患者病症进行分析并生成检查报告的方法包括：
(1)获取经过处理的病灶影像数据；根据病灶影像数据从影像数据库中获取目标医学影像；
(2)系统通过报告生成程序自动检索历史检查，将目标医学影像对应的DICOM格式文件内存与预设内存进行比较，智能匹配多次检查中的同一病灶；
(3)根据比较结果将所述目标医学影像发送到人工智能端进行影像分析处理，其中，所述目标医学影像包含所述DICOM格式文件内存；
(4)接收所述人工智能端响应影像分析处理结果返回的DICOM格式的第一目标文件和第二目标文件，并将所述第一目标文件和所述第二目标文件反馈给系统；系统根据比较及分析结果生成准确量化的检查报告。
7.如权利要求2所述智能AIPACS系统的检查报告信息处理方法，其特征在于，步骤八中，所述通过同步程序对采集的病灶影像进行同步更新的方法如下：
1)采集患者的医疗影像数据，并解析影像数据信息和像素间隔信息；对医疗影像数据进行增强、降噪处理；
2)每隔一定时间间隔刷新一次视图，当发现PACS系统中有新增数据时，读取新增的患者编号、检查编号以及影像文件的存储路径；
3)根据影像文件的存储路径读取影像文件，并存储到文件夹中；
4)按预设时间扫描一次是否有新增的影像文件，即增量文件；若存在增量文件，则通过利用sockets套接字结合完成的端口将增量文件以及对应的患者编号、检查编号同步到云端服务器。
8.如权利要求7所述智能AIPACS系统的检查报告信息处理方法，其特征在于，根据影像文件的存储路径读取影像文件，并存储到文件夹中的步骤之后，还包括：
对存储的影像文件进行图像拆分组合处理，并生成密钥；
并且在所述将增量文件以及对应的患者编号、检查编号同步到云端服务器步骤中，将处理后的增量文件和密钥以及对应的患者编号、检查编号同步到云端服务器。
9.如权利要求7所述智能AIPACS系统的检查报告信息处理方法，其特征在于，根据对存储的影像文件进行图像拆分组合处理，并生成密钥步骤，具体包括：
将影像文件中所有图像按照时间顺序进行排序；
针对每一幅图像，在宽度方向随机生成w-1个点，在高度方向随机生成h-1个点，每幅图像拆分成w×h个网格像素块；
按顺序从各幅图像中随机取出一个像素块进行第一轮选取，然后从各幅图像剩余的像素块中随机取出一个像素块进行第二轮选取，这样经过w×h轮选取后所有像素块被选完，得到一个存储块矩阵：
Figure FDA0002337815240000061
其中，m为图像数量，TzXij为第i轮选取时，从第z幅图像随机选取的第Xij个像素块，这里Xij∈[1,w×h]；
为存储块矩阵中的每个像素块乘以一个亮度因子，得到变形矩阵：
Figure FDA0002337815240000062
其中，
Figure FDA0002337815240000063
中的函数
Figure FDA0002337815240000064
表示像素块F的平均亮度值，D为基准亮度值，所述处理后的增量文件为所述变形矩阵C；
生成当前影像文件对应的密钥，所述密钥中包括w和h，还包括密钥矩阵：
Figure FDA0002337815240000065
10.如权利要求9所述智能AIPACS系统的检查报告信息处理方法，其特征在于，所述密钥矩阵从左上角开始进行2×2区域分割，每个区域有4个元素，对每个区域内的元素按照顺时针方向转动一个位置，若密钥矩阵的列数为奇数，则不处理最后一列元素，若密钥矩阵的行数为奇数，则不处理最后一行元素。
CN201911363545.8A 2019-12-26 2019-12-26 一种智能ai pacs系统及其检查报告信息处理方法 Pending CN111223554A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911363545.8A CN111223554A (zh) 2019-12-26 2019-12-26 一种智能ai pacs系统及其检查报告信息处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911363545.8A CN111223554A (zh) 2019-12-26 2019-12-26 一种智能ai pacs系统及其检查报告信息处理方法

Publications (1)

Publication Number Publication Date
CN111223554A true CN111223554A (zh) 2020-06-02

Family

ID=70832128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911363545.8A Pending CN111223554A (zh) 2019-12-26 2019-12-26 一种智能ai pacs系统及其检查报告信息处理方法

Country Status (1)

Country Link
CN (1) CN111223554A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112331289A (zh) * 2020-11-03 2021-02-05 上海集迈实业有限公司 一种用于远程医疗的视频通讯装置
CN112363983A (zh) * 2020-11-10 2021-02-12 北京思特奇信息技术股份有限公司 一种集群主机的文件核查方法和系统
CN112420169A (zh) * 2020-12-04 2021-02-26 王军帅 一种医院放射科影像传输的数字化信息处理方法
CN112614586A (zh) * 2020-12-15 2021-04-06 广东德澳智慧医疗科技有限公司 一种基于医学影像和区块链的远程疾病智能诊断系统
CN112951384A (zh) * 2021-02-04 2021-06-11 慧影医疗科技（北京）有限公司 用于医学影像设备的数据模拟发生方法及系统
CN113053494A (zh) * 2019-12-27 2021-06-29 无锡祥生医疗科技股份有限公司 基于人工智能的pacs系统及其设计方法
CN113470793A (zh) * 2021-06-15 2021-10-01 上海市第一人民医院 基于人工智能的多平台脑部检查影像信息通讯方法
CN113571141A (zh) * 2021-06-07 2021-10-29 四川大学华西医院 精神影像智能化管理系统
CN113838559A (zh) * 2021-09-15 2021-12-24 王其景 一种医学影像管理系统及方法
CN114360693A (zh) * 2021-12-16 2022-04-15 四川大学华西医院 医疗影像处理系统的监控方法和装置
WO2022211195A1 (ko) * 2021-04-01 2022-10-06 주식회사 뷰노 의료 영상 처리 방법
CN115795068A (zh) * 2023-02-09 2023-03-14 安徽合信国质检验检测有限公司 一种基于智能识别技术检测报告ai自动校核系统
CN115995287A (zh) * 2023-03-23 2023-04-21 山东远程分子互联网医院有限公司 一种云影像资料收发系统及方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060212317A1 (en) * 2005-01-19 2006-09-21 Hahn Jerad J Mammography operational management system and method
CN105335611A (zh) * 2015-10-26 2016-02-17 武汉帕菲利尔信息科技有限公司 医疗pacs系统影像数据的同步方法及前置服务器
CN106295149A (zh) * 2016-07-05 2017-01-04 医诚云（北京）医疗科技有限公司 一种医学影像的云/数字胶片及云阅片系统
CN106845075A (zh) * 2016-12-20 2017-06-13 杭州联众医疗科技股份有限公司 一种集中诊断报告系统
CN108573490A (zh) * 2018-04-25 2018-09-25 王成彦 一种针对肿瘤影像数据的智能读片系统
CN108629759A (zh) * 2017-03-21 2018-10-09 兰州大学第二医院 一种局限性病灶pacs系统三维测量方法
CN109350111A (zh) * 2018-10-08 2019-02-19 史建玲 一种用于超声的影像数据整合系统及方法
CN109754868A (zh) * 2018-12-18 2019-05-14 杭州深睿博联科技有限公司 用于医学影像的数据处理方法及装置
CN110010226A (zh) * 2019-04-15 2019-07-12 官丙奇 一种通过移动终端查看云端医学影像的系统及使用方法
CN110070125A (zh) * 2019-04-19 2019-07-30 四川大学华西医院 一种基于大数据分析的肝胆外科治疗方案筛选方法及系统
CN110335667A (zh) * 2019-05-22 2019-10-15 平安国际智慧城市科技股份有限公司 医学影像管理方法、装置、系统及存储介质
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

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060212317A1 (en) * 2005-01-19 2006-09-21 Hahn Jerad J Mammography operational management system and method
CN105335611A (zh) * 2015-10-26 2016-02-17 武汉帕菲利尔信息科技有限公司 医疗pacs系统影像数据的同步方法及前置服务器
CN106295149A (zh) * 2016-07-05 2017-01-04 医诚云（北京）医疗科技有限公司 一种医学影像的云/数字胶片及云阅片系统
CN106845075A (zh) * 2016-12-20 2017-06-13 杭州联众医疗科技股份有限公司 一种集中诊断报告系统
CN108629759A (zh) * 2017-03-21 2018-10-09 兰州大学第二医院 一种局限性病灶pacs系统三维测量方法
CN108573490A (zh) * 2018-04-25 2018-09-25 王成彦 一种针对肿瘤影像数据的智能读片系统
CN109350111A (zh) * 2018-10-08 2019-02-19 史建玲 一种用于超声的影像数据整合系统及方法
CN109754868A (zh) * 2018-12-18 2019-05-14 杭州深睿博联科技有限公司 用于医学影像的数据处理方法及装置
CN110010226A (zh) * 2019-04-15 2019-07-12 官丙奇 一种通过移动终端查看云端医学影像的系统及使用方法
CN110070125A (zh) * 2019-04-19 2019-07-30 四川大学华西医院 一种基于大数据分析的肝胆外科治疗方案筛选方法及系统
CN110335667A (zh) * 2019-05-22 2019-10-15 平安国际智慧城市科技股份有限公司 医学影像管理方法、装置、系统及存储介质
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 (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113053494B (zh) * 2019-12-27 2023-11-21 无锡祥生医疗科技股份有限公司 基于人工智能的pacs系统及其设计方法
CN113053494A (zh) * 2019-12-27 2021-06-29 无锡祥生医疗科技股份有限公司 基于人工智能的pacs系统及其设计方法
CN112331289A (zh) * 2020-11-03 2021-02-05 上海集迈实业有限公司 一种用于远程医疗的视频通讯装置
CN112363983A (zh) * 2020-11-10 2021-02-12 北京思特奇信息技术股份有限公司 一种集群主机的文件核查方法和系统
CN112420169A (zh) * 2020-12-04 2021-02-26 王军帅 一种医院放射科影像传输的数字化信息处理方法
CN112614586A (zh) * 2020-12-15 2021-04-06 广东德澳智慧医疗科技有限公司 一种基于医学影像和区块链的远程疾病智能诊断系统
CN112614586B (zh) * 2020-12-15 2022-04-22 广东德澳智慧医疗科技有限公司 一种基于医学影像和区块链的远程疾病智能诊断系统
CN112951384A (zh) * 2021-02-04 2021-06-11 慧影医疗科技（北京）有限公司 用于医学影像设备的数据模拟发生方法及系统
WO2022211195A1 (ko) * 2021-04-01 2022-10-06 주식회사 뷰노 의료 영상 처리 방법
CN113571141A (zh) * 2021-06-07 2021-10-29 四川大学华西医院 精神影像智能化管理系统
CN113571141B (zh) * 2021-06-07 2024-03-19 四川大学华西医院 精神影像智能化管理系统
CN113470793A (zh) * 2021-06-15 2021-10-01 上海市第一人民医院 基于人工智能的多平台脑部检查影像信息通讯方法
CN113838559A (zh) * 2021-09-15 2021-12-24 王其景 一种医学影像管理系统及方法
CN114360693A (zh) * 2021-12-16 2022-04-15 四川大学华西医院 医疗影像处理系统的监控方法和装置
CN115795068A (zh) * 2023-02-09 2023-03-14 安徽合信国质检验检测有限公司 一种基于智能识别技术检测报告ai自动校核系统
CN115995287A (zh) * 2023-03-23 2023-04-21 山东远程分子互联网医院有限公司 一种云影像资料收发系统及方法

Similar Documents

Publication Publication Date Title
CN111223554A (zh) 一种智能ai pacs系统及其检查报告信息处理方法
US8908946B2 (en) Information processing apparatus and its control method and data processing system
US8135195B2 (en) Systems and methods for synchronized image viewing with an image atlas
EP3499509B1 (en) Method for memorable image generation for anonymized three-dimensional medical image workflows
CN111080584B (zh) 医学图像的质控方法、计算机设备和可读存储介质
US20040254763A1 (en) Medical system
CN112086197B (zh) 基于超声医学的乳腺结节检测方法及系统
US20200234444A1 (en) Systems and methods for the analysis of skin conditions
US7346199B2 (en) Anatomic triangulation
JP2007280229A (ja) 類似症例検索装置、類似症例検索方法およびそのプログラム
CN111080583B (zh) 医学图像检测方法、计算机设备和可读存储介质
JP6845071B2 (ja) 自動レイアウト装置および自動レイアウト方法並びに自動レイアウトプログラム
US20080120140A1 (en) Managing medical imaging data
CN110570425B (zh) 一种基于深度强化学习算法的肺结节分析方法及装置
US8923582B2 (en) Systems and methods for computer aided detection using pixel intensity values
US20190303706A1 (en) Methods of generating an encoded representation of an image and systems of operating thereof
CN112641466A (zh) 一种超声人工智能辅助诊断方法及装置
CN116630239A (zh) 影像分析方法、装置和计算机设备
CN114820483A (zh) 图像检测方法、装置及计算机设备
Garrison et al. SpectraMosaic: An Exploratory Tool for the Interactive Visual Analysis of Magnetic Resonance Spectroscopy Data.
CN110874614B (zh) 脑图像分类方法、计算机设备和可读存储介质
CN114391862A (zh) 一种基于大数据ct影像报告生成远程处理方法、设备及计算机存储介质
JP2023182365A (ja) 画像表示システム、解析装置、画像管理装置及びプログラム
CN113555088B (zh) 图像处理方法、装置、系统和存储介质
CN110415239B (zh) 图像处理方法、装置、设备、医疗电子设备以及介质

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