CN111667897A - 一种影像诊断结果的结构化报告系统 - Google Patents
一种影像诊断结果的结构化报告系统 Download PDFInfo
- Publication number
- CN111667897A CN111667897A CN202010331615.8A CN202010331615A CN111667897A CN 111667897 A CN111667897 A CN 111667897A CN 202010331615 A CN202010331615 A CN 202010331615A CN 111667897 A CN111667897 A CN 111667897A
- Authority
- CN
- China
- Prior art keywords
- template
- lung
- report
- image
- nodule
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 13
- 238000013461 design Methods 0.000 claims abstract description 8
- 210000004072 lung Anatomy 0.000 claims description 92
- 230000003902 lesion Effects 0.000 claims description 11
- 206010056342 Pulmonary mass Diseases 0.000 claims description 10
- 238000007792 addition Methods 0.000 claims description 8
- 238000012217 deletion Methods 0.000 claims description 8
- 230000037430 deletion Effects 0.000 claims description 8
- 238000012986 modification Methods 0.000 claims description 8
- 230000004048 modification Effects 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 7
- 230000002685 pulmonary effect Effects 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 4
- JMANVNJQNLATNU-UHFFFAOYSA-N oxalonitrile Chemical compound N#CC#N JMANVNJQNLATNU-UHFFFAOYSA-N 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 9
- 208000024891 symptom Diseases 0.000 description 9
- 238000001514 detection method Methods 0.000 description 8
- 238000000034 method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 230000002792 vascular Effects 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 206010014561 Emphysema Diseases 0.000 description 2
- 230000002308 calcification Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 210000004224 pleura Anatomy 0.000 description 2
- 210000003281 pleural cavity Anatomy 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 206010003598 Atelectasis Diseases 0.000 description 1
- 206010067182 Bronchial wall thickening Diseases 0.000 description 1
- 208000002151 Pleural effusion Diseases 0.000 description 1
- 206010035600 Pleural fibrosis Diseases 0.000 description 1
- 208000007123 Pulmonary Atelectasis Diseases 0.000 description 1
- 206010040925 Skin striae Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 208000002352 blister Diseases 0.000 description 1
- 201000009267 bronchiectasis Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000005338 frosted glass Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 230000002650 habitual effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 201000003144 pneumothorax Diseases 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 210000003934 vacuole Anatomy 0.000 description 1
- -1 vacuoles Substances 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
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供一种影像诊断结果的结构化报告系统,包括:影像识别模块,影像识别模块用于自动识别出医学影像中的病灶信息;报告文案设计模块,报告文案设计模块用于提供话术模板,以通过话术模板以结构性的文本描述病灶信息,生成结构化报告;模板逻辑汇总模块,模板逻辑汇总模块用于为结构化报告的影像可见部分提供相应的逻辑模板,并为结构化报告的印象部分提供相应的指南标准。本发明能够形成一套统一形式的影像诊断结果报告,提升了报告描述的标准化,并且能够提高报告的生成效率和全面性,从而有助于提升阅片质量。
Description
技术领域
本发明涉及医学影像分析处理技术领域,具体涉及一种影像诊断结果的结构化报告系统。
背景技术
随着现代医学影像的快速发展,影像科在医疗机构中发挥的作用越来越重要。当下我国医学影像的体量与日俱增,年增长率在30%左右,而影像科的医师数量年增长率仅为4.1%。医疗行业日益增长的影像数量同稀缺的影像科医生数量的矛盾,导致医生处理影像数据的压力会越来越大。
目前,医生普遍使用医学影像归档与传输系统(PACS)和医学影像信息管理系统(RIS)等,进行影像学报告的撰写。系统支持用户定义模板功能,普遍方式为系统默认提供报告书写的例子,多为提供一套树状的解析术语库,对病灶进行示范性描述。医生在使用报告模板的时候进行文字替换,根据实际的检出内容撰写修改报告文案,对不需要的文字进行删除。然而,实际检出情况普遍复杂,医生在工作中需要调整的内容依然较多,需要大量的增删改。现有方式存在模板文案单一、无法根据实际检出生成逻辑话术等问题,导致医生的工作效率低。其存在缺点总结如下:
首先,模板内容固定,实际使用阶段需要大量调整。该报告模板为固定话术生成的示例,文案为固定话术。用户在使用的过程中先进行模板挑选,再根据检出情况填入该示范模板中,将检出的指标进行填充,模板的话术使用率较低,大部分话术还是需要医生进行手动的调整,而在其中自主发挥的空间较大,文案的标准化程度低,而且花费的时间依旧较长,工作效率较低。
其次,报告描述文案不支持进行逻辑输出。大部分的影像报告需要描述的内容,会根据病灶的位置、性质、数量等进行汇总,有重点的进行描述。文案语言存在常用的汇总方式,但现有的报告模板仅为文字话术,无法支持对复杂情况进行一定逻辑的汇总描述。
发明内容
本发明为解决上述技术问题,提供了一种影像诊断结果的结构化报告系统,能够形成一套统一形式的影像诊断结果报告,提升了报告描述的标准化,并且能够提高报告的生成效率和全面性,从而有助于提升阅片质量。
本发明采用的技术方案如下:
一种影像诊断结果的结构化报告系统,包括:影像识别模块,所述影像识别模块用于自动识别出医学影像中的病灶信息;报告文案设计模块,所述报告文案设计模块用于提供话术模板,以通过所述话术模板以结构性的文本描述所述病灶信息,生成结构化报告;模板逻辑汇总模块,所述模板逻辑汇总模块用于为所述结构化报告的影像可见部分提供相应的逻辑模板,并为所述结构化报告的印象部分提供相应的指南标准。
所述影像识别模块通过人工智能自动识别出医学影像中定量、定性的病灶信息。
所述话术模板由固定话术和字段组成。
所述医学影像为肺部影像。
所述逻辑模板包括结节排序、按叶分类、按结节类型分类和结节汇总。
所述指南标准包括NCCN指南、LUNG-RADS、Fleischner、亚太肺结节评估指南、肺结节中国专家共识、肺结节亚洲共识。
所述结构化报告支持添加、删除和修改。
本发明的有益效果:
本发明通过报告文案设计模块提供话术模板,以通过话术模板以结构性的文本描述病灶信息,生成结构化报告,并通过模板逻辑汇总模块为话术模板的影像可见部分提供相应的逻辑模板,为话术模板的印象部分提供相应的指南标准,由此,能够形成一套统一形式的影像诊断结果报告,提升了报告描述的标准化,并且能够提高报告的生成效率和全面性,从而有助于提升阅片质量。
附图说明
图1为本发明实施例的影像诊断结果的结构化报告系统的方框示意图;
图2为本发明一个实施例的影像可见部分的操作流程图;
图3为本发明一个实施例的影像可见部分的操作界面图;
图4为本发明一个实施例的结节排序模板的操作流程图;
图5为本发明一个实施例的按叶分类模板的操作流程图;
图6为本发明一个实施例的按结节性质分类模板的操作流程图;
图7为本发明一个实施例的结节汇总模板的操作流程图;
图8为本发明一个实施例的位置汇总子流程的流程图;
图9为本发明一个实施例的肺叶汇总子流程的流程图;
图10为本发明一个实施例的左肺描述流程图;
图11为本发明一个实施例的右肺描述流程图;
图12为本发明一个实施例的肺叶汇总描述流程图;
图13为本发明一个实施例的印象汇总描述流程图。
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。
如图1所示,本发明实施例的影像诊断结果的结构化报告系统包括影像识别模块10、报告文案设计模块20和模板逻辑汇总模块30。其中,影像识别模块用于自动识别出医学影像中的病灶信息;报告文案设计模块20用于提供话术模板,以通过话术模板以结构性的文本描述病灶信息,生成结构化报告;模板逻辑汇总模块30用于为结构化报告的影像可见部分提供相应的逻辑模板,并为结构化报告的印象部分提供相应的指南标准。
在本发明的一个实施例中,影像识别模块10可通过人工智能自动识别出医学影像中定量、定性的病灶信息。以医学影像为肺部影像为例,可基于深度学习对肺部CT图像进行识别,确定肺结节的数量、大小等信息。
举例而言,对肺部CT图像进行识别的具体流程可包括:1、数据预处理:将DICOM格式的肺部CT图像进行转换,变为通用图像格式,例如PNG格式,以便用于深度学习模型训练;2、数据增强:使用图像变换算法扩增数据集,提高模型的泛化能力;3、训练图像分割模型:使用图像分割算法检测图像中所有可能是肺结节的区域,生成候选集;4、训练三维卷积神经网络模型:使用一种三维卷积神经网络算法对上一步骤生成的结果进行分类,剔除假阳性的候选,保留真正的结节;5、模型串联:将两种模型进行串联,将待识别肺部CT图像输入训练后的三维卷积神经网络模型,实现对输入的肺部CT图像的肺结节检测。
在本发明的一个实施例中,话术模板由固定话术和字段组成,可采用自定义表格方式,实现对固定话术、检出病灶类型、征象类型等的结构化设计,形成话术模板。
具体地,对于报告的结构,可将整体报告分成7个部分:abnormalHeader、abnormalNode、abnormalFooter、abnormalPattern、normalHeader、normalNode、normalFooter。根据检出的病灶个数将模板分成阴性模板(检出病灶小于1个)和阳性模板(检出病灶大于等于1个)两个类型。其中阳性模板分成抬头、结节描述、征象描述、结尾;阳性模板分为抬头、阴性描述、结尾,如表1所示:
表1
语句的分割,可以以#对文字和字段进行分割,即两个#中间的文字与字段为一个组成模块。
显示规则可以为,当接收到定量或者定性的结果时,在报告模板中填充;未检出结果,该模块不显示,即语句不输出。
当存在量化指标时,可以根据需求配置需要的单位精度,即可支持设置量化指标的单位和精度。
病灶信息可包括结节位置信息(肺叶、肺段)、结节性质信息、结节切片号(IM值,即层数信息)、测量值信息(大小、平均CT值)、症状信息(空洞、胸膜牵拉、血管集束等)和征象信息(实变影、肺气肿等)。
其中,结节位置信息(肺叶、肺段):
信息内容:对肺叶信息、肺段信息的检出形成话术。
填写说明:对肺叶、肺段信息进行填补,若无数值则为“-”。
信息关系:肺叶与肺段两者相互关联,当确定肺叶后,肺段下拉选项框中可选项为该肺叶中包含的肺段或者不输出,具体对应关系如表2:
表2
话术输出模板:#{肺叶字段}##{肺段字段}#
说明:无标点符号。
结节性质信息:
信息内容:对结节性质包括实性、部分实性、钙化、磨玻璃的检出形成话术。
填写说明:对结节信息填补,若无数值则为“-”。
话术输出:#固定表述+{性质字段}+固定表述#
说明:结束以符号句号“。”结尾。
具体如表3所示:
表3
结节切片号(IM值,即层数信息):
信息内容:层数信息的检出形成话术。
填写说明:对层数进行填补,若无数值则为“-”。
话术输出:#固定表述+{层数字段}#
测量值信息(大小、平均CT值):
信息内容:对结节的大小(长径与短径)、平均CT值的检出形成话术。
默认状态:AI填补,若无数值则为空。
话术输出模板:#大小为{长径字段}*{短径字段}{符号字段}#,#平均CT值为{平均CT值字段}#
说明:仅输出有测量值的信息,无数值则不输出话术。多个话术以逗号“,”分割。
具体如表4所示:
表4
症状信息(空洞、胸膜牵拉、血管集束等):
信息内容:对结节形态、边缘、毛刺、分叶、棘状突起、胸膜牵拉、血管集束、血管包被、空泡、空洞、支气管戒断症的检出形成话术。
填写说明:有结果时填充,若无则不输出话术。
话术输出模板:结节内见#{表征字段}#
说明:若不选择表征,则不输出话术。
符号说明:多话术以逗号“,”进行分割,以句号“。”进行结尾。
征象信息(实变影、肺气肿等):
信息内容:支持实变影、条索、胸膜增厚、胸腔积液、磨玻璃实变影、胸膜凹陷症、肺大疱、支气管扩张、气胸、肺不张、网影等肺部征象检出形成话术。
填写说明:有结果时填充,若无则不输出话术。
话术输出模板:#{征象字段}固定话术#
说明:若无征象,则不输出话术。
符号说明:多话术以逗号“,”进行分割,以句号“。”进行结尾。
具体如表5所示:
表5
话术组成:#{S1}见片状密度增高影;##{S2}透过度增加,肺纹理纤细,局部可见囊状透亮影;##{S3}见纤维索条影;##{S4}胸膜局限增厚;##{S5}胸腔内见液体样密度影;##{S6}见片状磨玻璃密度影;##{S7}胸膜见牵拉凹陷;##{S8}见薄壁囊状透亮影;##{S9}见支气管管壁增厚、管腔扩张;##{S10}见透亮无肺纹理区,肺组织压缩;##{S11}见片状实性密度影;##{S12}见斑片及索条影,呈网格状#
在本发明的实施例中,模板逻辑汇总模块30通过为影像可见部分提供的不同逻辑模板,能够适应不同的影像内容或者习惯的报告书写方式,通过为印象部分提供不同的指南标准,能够实现不同指南标准下的评价方式。
在本发明的一个实施例中,逻辑模板可包括结节排序、按叶分类、按结节类型分类和结节汇总。
在本发明的一个实施例中,结构化报告的影像可见部分首先可以以默认的结构化模板进行描述,默认的结构化模板可按上述的病灶信息结构进行描述,生成结构化报告。如图2所示,结构化报告支持添加、删除和修改,对于影像可见部分,用户可进行逻辑模板的切换。进一步地,如图3所示,可在用户界面支持下拉菜单的方式进行逻辑模板的切换。
其中,结节排序模板按照层数排序,加前缀结节X。当用户选择按照结节排序进行文字输出,系统将用户选择的结节按照结构化报告的文案模式显示,并在每个病灶的开头加入序号“结节X”。文案例如“结节1:右肺上叶尖段IM(10-12)见实性结节,大小约为7mm×6mm,体积为78.2mm3。”每一个病灶单独描述。支持添加、删除、修改。其中,添加:加入到整体结节描述的最后一位;删除:直接删除该条描述,剩余结节按照顺序修改结节序号;修改:对该条目进行文案调整,不影响结节顺序排列。结节排序模板的操作流程如图4所示。
按叶分类模板按照左肺上叶、右肺上叶、右肺上叶、右肺中叶、右肺下叶分成五个模块。不显示左肺上叶、右肺上叶、右肺上叶、右肺中叶、右肺下叶文字,直接将结节描述按照层数逻辑排序。当用户选择按照肺叶排序进行文字输出,系统将用户选择的结节按照五个肺叶归类排序,文字描述按照结构化报告模板显示。每一个病灶单独描述。支持添加、删除、修改。其中,添加:加入到该肺叶模块中;删除:直接删除该条描述;修改:对该条目进行文案调整,不影响整体排列。按叶分类模板的操作流程如图5所示。
按结节性质分类模板需要将同一个类型的结节进行归类,分别叙述肺叶肺段。首选分模块,按照磨玻璃、部分实性、钙化、实性、--的顺序分模块。然后看每个模块的结节个数。若结节大于1个,按照层数顺序依次描述肺叶、肺段、层数。然后找到体积最大的结节,描述最大结节的详细内容;若仅一个结节,则描述其详细信息即可。当用户选择按照结节性质排序进行文字输出,系统将用户选择的结节按照四个性质归类排序,考虑单一结节和多发结节情况。单一结节则描述改条目,多发结节则列出层数排列情况,再把最大的结节进行详细描述。文字描述按照结构化报告模板显示。支持添加、删除、修改。其中,添加:加入到该结节性质模块中;删除:直接删除该条描述;修改:对该条目进行文案调整,不影响整体排列。按结节性质分类模板操作流程如图6所示。
结节汇总模板对整体结节进行汇总,示例如下:
左肺上叶、右肺下叶见多发结节,其中最大者大小约为{e}×{f}{u}##,体积约为{g}mm3##,平均CT值约为{h}HU#
左肺见多发结节,其中最大者大小约为{e}×{f}{u}##,体积约为{g}mm3##,平均CT值约为{h}HU#
双肺见多发结节,其中最大者大小约为{e}×{f}{u}##,体积约为{g}mm3##,平均CT值约为{h}HU#
双肺上叶见多发结节,其中最大者大小约为{e}×{f}{u}##,体积约为{g}mm3##,平均CT值约为{h}HU#
当用户选择按照汇总分析逻辑进行文字输出,系统将用户选择的结节进项个数判断,根据不同位置进行汇总,再把最大的结节进行详细描述。文字描述按照结构化报告模板显示。支持添加、删除、修改。其中,添加:加入到该结节性质模块中;删除:直接删除该条描述;修改:对该条目进行文案调整,不影响整体排列。结节汇总模板操作流程如图7所示。
如图8所示,位置汇总子流程包括:首先对肺叶分布情况进行判断;若勾选的结节所在为单一肺叶,则直接输出该肺叶,再对最大的结节进行文案描述;若勾选的结节所在多个肺叶,则再次进行汇总,进入肺叶汇总子流程。
如图9所示,肺叶汇总子流程包括依次进行的左肺描述、右肺描述、肺叶汇总。
其中,如图10所示,左肺描述包括:判断左肺中存在几个肺叶;若存在两个,即既有左肺上叶也有左肺下叶,则整体输出左肺;若只存在一个,则将其描述直接输出。
如图11所示,右肺描述包括:判断右肺中存在几个肺叶;若存在三个,即有右肺上叶、右肺中叶、右肺下叶,则整体输出右肺;若存在两个,则将其描述直接输出,例如:右肺上叶、下叶;若仅存在一个,则将其描述直接输出。
如图12所示,肺叶汇总描述包括:首先判断是否左右肺同时存在,若仅存在单侧,不必进行此项。当左右肺同时存在时候,包含左肺、右肺,直接输出双肺;包含左肺上叶、右肺上叶,输出双肺上叶;包含左肺下叶、右肺下叶,输出双肺下叶;若都不符合,不进行汇总,直接按照肺叶顺序排列。
在本发明的一个实施例中,结构化报告的印象部分的话术顺序为结节总数印象汇总描述、处理规则两部分。
其中,印象汇总可对结节列表中的结节进行统计,对位置、性质、数量级,进行统一描述。其话术模板可为:{肺叶}+{数量级}+{性质}+结节。先对左右肺进行判断,然后根据结节的数量判断,最后再根据性质生成话术,如图13所示,1)肺叶:当仅有左肺时,输出左肺;当仅有右肺时,输出右肺;当有左肺也有右肺时,输出双肺;当无输入时,输出--。2)数量级:等于1时输出--;大于等于2个结节时输出:多发。3)性质:能识别性质,且一致时输出该性质描述;若有多个性质,输出--。
指南标准可为印象描述话术增加学术指导依据,彰显权威性,提升用户对产品的信任感。目标是帮助医生科学输出结构化报告。在本发明的一个实施例中,指南标准包括NCCN指南、LUNG-RADS、Fleischner、亚太肺结节评估指南、肺结节中国专家共识、肺结节亚洲共识,依照结节性质、大小分类输出处理原则。上述NCCN指南、LUNG-RADS、Fleischner、亚太肺结节评估指南、肺结节中国专家共识、肺结节亚洲共识的输出规则分别如表6至表11所示。
表6
表7
表8
表9
表10
表11
根据本发明实施例的影像诊断结果的结构化报告系统,通过报告文案设计模块提供话术模板,以通过话术模板以结构性的文本描述病灶信息,生成结构化报告,并通过模板逻辑汇总模块为话术模板的影像可见部分提供相应的逻辑模板,为话术模板的印象部分提供相应的指南标准,由此,能够形成一套统一形式的影像诊断结果报告,提升了报告描述的标准化,并且能够提高报告的生成效率和全面性,从而有助于提升阅片质量。
在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种影像诊断结果的结构化报告系统,其特征在于,包括:
影像识别模块,所述影像识别模块用于自动识别出医学影像中的病灶信息;
报告文案设计模块,所述报告文案设计模块用于提供话术模板,以通过所述话术模板以结构性的文本描述所述病灶信息,生成结构化报告;
模板逻辑汇总模块,所述模板逻辑汇总模块用于为所述结构化报告的影像可见部分提供相应的逻辑模板,并为所述结构化报告的印象部分提供相应的指南标准。
2.根据权利要求1所述的影像诊断结果的结构化报告系统,其特征在于,所述影像识别模块通过人工智能自动识别出医学影像中定量、定性的病灶信息。
3.根据权利要求1所述的影像诊断结果的结构化报告系统,其特征在于,所述话术模板由固定话术和字段组成。
4.根据权利要求1所述的影像诊断结果的结构化报告系统,其特征在于,所述医学影像为肺部影像。
5.根据权利要求4所述的影像诊断结果的结构化报告系统,其特征在于,所述逻辑模板包括结节排序、按叶分类、按结节类型分类和结节汇总。
6.根据权利要求4所述的影像诊断结果的结构化报告系统,其特征在于,所述指南标准包括NCCN指南、LUNG-RADS、Fleischner、亚太肺结节评估指南、肺结节中国专家共识、肺结节亚洲共识。
7.根据权利要求1所述的影像诊断结果的结构化报告系统,其特征在于,所述结构化报告支持添加、删除和修改。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010331615.8A CN111667897A (zh) | 2020-04-24 | 2020-04-24 | 一种影像诊断结果的结构化报告系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010331615.8A CN111667897A (zh) | 2020-04-24 | 2020-04-24 | 一种影像诊断结果的结构化报告系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111667897A true CN111667897A (zh) | 2020-09-15 |
Family
ID=72382938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010331615.8A Pending CN111667897A (zh) | 2020-04-24 | 2020-04-24 | 一种影像诊断结果的结构化报告系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111667897A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112786162A (zh) * | 2020-12-28 | 2021-05-11 | 北京赛迈特锐医疗科技有限公司 | 基于子模板语义学联系设计结构化报告模板的系统及方法 |
CN113096796A (zh) * | 2021-04-01 | 2021-07-09 | 四川大学华西医院 | 脑出血血肿扩大风险智能化预测系统及方法 |
CN113113100A (zh) * | 2021-04-09 | 2021-07-13 | 谐波(河北)科技有限公司 | 医学影像检查报告的制作方法和装置 |
CN114121209A (zh) * | 2021-12-08 | 2022-03-01 | 浙江卡易智慧医疗科技有限公司 | 头颈部及上肢静脉结构化报告设计方法和系统 |
CN117252176A (zh) * | 2023-09-18 | 2023-12-19 | 广东企企通科技有限公司 | 调查报告智能生成方法、装置、设备及介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101517614A (zh) * | 2006-09-22 | 2009-08-26 | 皇家飞利浦电子股份有限公司 | 肺结节的高级计算机辅助诊断 |
CN105335620A (zh) * | 2015-11-13 | 2016-02-17 | 冯金辉 | 一种自动、智能提供个性化医学信息服务的系统和方法 |
CN107274402A (zh) * | 2017-06-27 | 2017-10-20 | 北京深睿博联科技有限责任公司 | 一种基于胸部ct影像的肺结节自动检测方法及系统 |
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 |
CN109583440A (zh) * | 2017-09-28 | 2019-04-05 | 北京西格码列顿信息技术有限公司 | 结合影像识别与报告编辑的医学影像辅助诊断方法及系统 |
CN109767820A (zh) * | 2018-05-29 | 2019-05-17 | 深圳市智影医疗科技有限公司 | 一种基于影像的诊断/检测报告生成方法、装置及设备 |
CN109961847A (zh) * | 2019-03-20 | 2019-07-02 | 武汉千屏影像技术有限责任公司 | 一种图片、文字和语音结合的病理智能诊断系统 |
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 |
CN110706815A (zh) * | 2019-11-26 | 2020-01-17 | 北京推想科技有限公司 | 一种影像报告的评估方法、装置及电子设备 |
CN111048170A (zh) * | 2019-12-23 | 2020-04-21 | 山东大学齐鲁医院 | 基于图像识别的消化内镜结构化诊断报告生成方法与系统 |
-
2020
- 2020-04-24 CN CN202010331615.8A patent/CN111667897A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101517614A (zh) * | 2006-09-22 | 2009-08-26 | 皇家飞利浦电子股份有限公司 | 肺结节的高级计算机辅助诊断 |
CN105335620A (zh) * | 2015-11-13 | 2016-02-17 | 冯金辉 | 一种自动、智能提供个性化医学信息服务的系统和方法 |
CN107274402A (zh) * | 2017-06-27 | 2017-10-20 | 北京深睿博联科技有限责任公司 | 一种基于胸部ct影像的肺结节自动检测方法及系统 |
CN109583440A (zh) * | 2017-09-28 | 2019-04-05 | 北京西格码列顿信息技术有限公司 | 结合影像识别与报告编辑的医学影像辅助诊断方法及系统 |
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 |
CN109767820A (zh) * | 2018-05-29 | 2019-05-17 | 深圳市智影医疗科技有限公司 | 一种基于影像的诊断/检测报告生成方法、装置及设备 |
CN109961847A (zh) * | 2019-03-20 | 2019-07-02 | 武汉千屏影像技术有限责任公司 | 一种图片、文字和语音结合的病理智能诊断系统 |
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 |
CN110706815A (zh) * | 2019-11-26 | 2020-01-17 | 北京推想科技有限公司 | 一种影像报告的评估方法、装置及电子设备 |
CN111048170A (zh) * | 2019-12-23 | 2020-04-21 | 山东大学齐鲁医院 | 基于图像识别的消化内镜结构化诊断报告生成方法与系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112786162A (zh) * | 2020-12-28 | 2021-05-11 | 北京赛迈特锐医疗科技有限公司 | 基于子模板语义学联系设计结构化报告模板的系统及方法 |
CN112786162B (zh) * | 2020-12-28 | 2024-06-21 | 北京赛迈特锐医疗科技有限公司 | 基于子模板语义学联系设计结构化报告模板的系统及方法 |
CN113096796A (zh) * | 2021-04-01 | 2021-07-09 | 四川大学华西医院 | 脑出血血肿扩大风险智能化预测系统及方法 |
CN113113100A (zh) * | 2021-04-09 | 2021-07-13 | 谐波(河北)科技有限公司 | 医学影像检查报告的制作方法和装置 |
CN113113100B (zh) * | 2021-04-09 | 2023-05-05 | 谐波(河北)科技有限公司 | 医学影像检查报告的制作方法和装置 |
CN114121209A (zh) * | 2021-12-08 | 2022-03-01 | 浙江卡易智慧医疗科技有限公司 | 头颈部及上肢静脉结构化报告设计方法和系统 |
CN117252176A (zh) * | 2023-09-18 | 2023-12-19 | 广东企企通科技有限公司 | 调查报告智能生成方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111667897A (zh) | 一种影像诊断结果的结构化报告系统 | |
CN108831559B (zh) | 一种中文电子病历文本分析方法与系统 | |
US20170032026A1 (en) | Interactive visualization of big data sets and models including textual data | |
CN111325103B (zh) | 一种细胞标注系统和方法 | |
US20190347269A1 (en) | Structured report data from a medical text report | |
JP7392120B2 (ja) | 自然言語処理を使用する病理報告内の自動化された情報の抽出及び改良 | |
US10755045B2 (en) | Automatic human-emulative document analysis enhancements | |
US8019761B2 (en) | Recording medium storing a design support program, design support method, and design support apparatus | |
JP4997892B2 (ja) | 検索システム、検索方法及び検索プログラム | |
CN112365471B (zh) | 基于深度学习的宫颈癌细胞智能检测方法 | |
US11645447B2 (en) | Encoding textual information for text analysis | |
CN108363691A (zh) | 一种用于电力95598工单的领域术语识别系统及方法 | |
EP4150480A1 (en) | Descriptive insight generation and presentation system | |
WO2021102632A1 (zh) | 字符获取、页面处理与知识图谱构建方法及装置、介质 | |
CN113972009A (zh) | 一种基于临床检验医学大数据的医学检验咨询系统 | |
CN111414930A (zh) | 深度学习模型训练方法及装置、电子设备及存储介质 | |
CN112861956A (zh) | 基于数据分析的水污染模型构建方法 | |
CN111599427B (zh) | 一种一元化诊断的推荐方法、装置、电子设备及存储介质 | |
US11817089B2 (en) | Generating aspects from attributes identified in digital video audio tracks | |
CN110751995B (zh) | 一种电子病历缺陷标注与评分方法 | |
CN114898388B (zh) | 文档图片分类方法、装置、存储介质及电子设备 | |
TWI811598B (zh) | 智慧化影像診斷報告轉譯方法 | |
CN117497111B (zh) | 一种基于深度学习实现疾病名称标准化分级的系统 | |
CN114780773B (zh) | 文档图片分类方法、装置、存储介质及电子设备 | |
Dhasmana et al. | Demand and Supply Analytical Model for Prediction to Determine the Requirement of Ventilators during COVID-19. |
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: 20200915 |