CN111782529B - 辅助诊断系统的测试方法、装置、计算机设备及存储介质 - Google Patents

辅助诊断系统的测试方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN111782529B
CN111782529B CN202010622908.1A CN202010622908A CN111782529B CN 111782529 B CN111782529 B CN 111782529B CN 202010622908 A CN202010622908 A CN 202010622908A CN 111782529 B CN111782529 B CN 111782529B
Authority
CN
China
Prior art keywords
auxiliary diagnosis
medical image
auxiliary
screenshot
tested
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.)
Active
Application number
CN202010622908.1A
Other languages
English (en)
Other versions
CN111782529A (zh
Inventor
顾秋杨
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.)
Shenzhen Ping An Smart Healthcare Technology Co ltd
Original Assignee
Shenzhen Ping An Smart Healthcare Technology Co ltd
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 Shenzhen Ping An Smart Healthcare Technology Co ltd filed Critical Shenzhen Ping An Smart Healthcare Technology Co ltd
Priority to CN202010622908.1A priority Critical patent/CN111782529B/zh
Publication of CN111782529A publication Critical patent/CN111782529A/zh
Application granted granted Critical
Publication of CN111782529B publication Critical patent/CN111782529B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G06F11/3688—Test management for test execution, e.g. scheduling of test suites
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing
    • G06F11/3672—Test management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及UI测试领域，具体公开了辅助诊断系统的测试方法、装置、计算机设备及存储介质，该方法将辅助诊断结果处理后在本地图像语义分割工具上进行展示，然后将本地图像语义开源工具展示的结果和被测辅助诊断系统展示的结果进行相似度对比，实现对被测辅助诊断系统的测试。本发明不依赖于存储的标准的图像或特定的数据，解决了现有自动化测试平台对标准图像高度依赖的问题。并且可以极大的提高测试效率与准确性。

Description

辅助诊断系统的测试方法、装置、计算机设备及存储介质
技术领域
本发明涉及UI测试领域，特别涉及辅助诊断系统的测试方法、装置、计算机设备及存储介质。
背景技术
随着人工智能在医疗领域的广泛应用，AI(Artificial Intelligence，人工智能)技术作为一种辅助诊断技术在医疗影像的应用逐渐成熟。
现有技术的辅助诊断系统，主要通过上传医疗影像，调用相应的病种AI服务进行分析处理，然后在阅片界面展示AI处理结果，并在具体的影像上描绘出病灶标记，提供给医生进行阅片。
由于AI服务处理结果具有一定的准确性和客观性，且处理效率更高，所以上述辅助诊断系统为医生提供了便利。但是，当Web系统迭代或AI模型更新时，传统的功能测试无法高效验证Web系统影像阅片界面描绘的AI病灶标记的准确性。
目前，已有的自动化测试平台都是基于页面元素定位，并对待测试的系统截屏然后和存储的标准图像进行相似度对比或识别，这种测试方式需要手动维护标准图像，且测试工作量大，测试效率低。
发明内容
本发明的目的是提供辅助诊断系统的测试方法、装置、计算机设备及存储介质，旨在解决现有自动化测试平台依赖标准图像以及测试效率低的问题。
本发明实施例提供一种辅助诊断系统的测试方法，其包括：
启动测试脚本，将初始医疗影像发送至被测辅助诊断系统，使所述被测辅助诊断系统将对应的初始医疗影像上传至辅助诊断服务器进行辅助诊断分析并得到辅助诊断服务器返回的辅助诊断结果，并使所述被测辅助诊断系统根据辅助诊断结果将病灶标记描绘于所述初始医疗影像上得到目标医疗影像，并展示于详情展示页上；
对所述被测辅助诊断系统的详情展示页所展示的所述目标医疗影像进行截图，得到第一截图；
启动本地图像语义分割工具，将所述初始医疗影像导入至所述本地图像语义分割工具；
从所述辅助诊断服务器获取辅助诊断结果，将所述辅助诊断结果导入至所述本地图像语义分割工具，通过所述本地图像语义分割工具展示包含病灶标记的对比医疗影像，并对所述对比医疗影像进行截图，得到第二截图；
对所述第一截图与第二截图进行相似度计算，得到相似度，并基于所述相似度输出测试结果。
本发明实施例还提供一种辅助诊断系统的测试装置，其包括：
启动上传单元，用于启动测试脚本，将初始医疗影像发送至被测辅助诊断系统，使所述被测辅助诊断系统将对应的初始医疗影像上传至辅助诊断服务器进行辅助诊断分析并得到辅助诊断服务器返回的辅助诊断结果，并使所述被测辅助诊断系统根据辅助诊断结果将病灶标记描绘于所述初始医疗影像上得到目标医疗影像，并展示于详情展示页上；
第一截图单元，用于对所述被测辅助诊断系统的详情展示页所展示的所述目标医疗影像进行截图，得到第一截图；
导入单元，用于启动本地图像语义分割工具，将所述初始医疗影像导入至所述本地图像语义分割工具；
第二截图单元，用于从所述辅助诊断服务器获取辅助诊断结果，将所述辅助诊断结果导入至所述本地图像语义分割工具，通过所述本地图像语义分割工具展示包含病灶标记的对比医疗影像，并对所述对比医疗影像进行截图，得到第二截图；
测试单元，用于对所述第一截图与第二截图进行相似度计算，得到相似度，并基于所述相似度输出测试结果。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的辅助诊断系统的测试方法。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如上所述的辅助诊断系统的测试方法。
本发明实施例提供了一种辅助诊断系统的测试方法、装置、计算机设备及存储介质，方法包括：启动测试脚本，将初始医疗影像发送至被测辅助诊断系统，使所述被测辅助诊断系统将对应的初始医疗影像上传至辅助诊断服务器进行辅助诊断分析并得到辅助诊断服务器返回的辅助诊断结果，并使所述被测辅助诊断系统根据辅助诊断结果将病灶标记描绘于所述初始医疗影像上得到目标医疗影像，并展示于详情展示页上；对所述被测辅助诊断系统的详情展示页所展示的所述目标医疗影像进行截图，得到第一截图；启动本地图像语义分割工具，将所述初始医疗影像导入至所述本地图像语义分割工具；从所述辅助诊断服务器获取辅助诊断结果，将所述辅助诊断结果导入至所述本地图像语义分割工具，通过所述本地图像语义分割工具展示包含病灶标记的对比医疗影像，并对所述对比医疗影像进行截图，得到第二截图；对所述第一截图与第二截图进行相似度计算，得到相似度，并基于所述相似度输出测试结果。该方法将辅助诊断结果处理后在本地图像语义分割工具上进行展示，然后将本地图像语义开源工具展示的结果和被测辅助诊断系统展示的结果进行相似度对比，实现对被测辅助诊断系统的测试。该方法不依赖于存储的标准图像或特定的数据，解决了现有自动化测试平台对标准图像高度依赖的问题。并且可以极大的提高测试效率与准确性。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例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为本发明实施例提供的一种辅助诊断系统的测试方法的流程示意图；
图2为本发明实施例提供的一种辅助诊断系统的测试方法的子流程示意图；
图3为本发明实施例提供的一种辅助诊断系统的测试方法的另一子流程示意图；
图4为本发明实施例提供的一种辅助诊断系统的测试方法的另一子流程示意图；
图5为本发明实施例提供的一种辅助诊断系统的测试方法的另一子流程示意图；
图6为本发明实施例提供的一种辅助诊断系统的测试装置的示意性框图；
图7为本发明实施例提供的一种辅助诊断系统的测试装置的子单元示意性框图；
图8为本发明实施例提供的一种辅助诊断系统的测试装置的另一子单元示意性框图；
图9为本发明实施例提供的一种辅助诊断系统的测试装置的另一子单元示意性框图；
图10为本发明实施例提供的一种辅助诊断系统的测试装置的另一子单元示意性框图；
图11为本发明实施例提供的计算机设备的示意性框图。
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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1，图1为本发明实施例提供的一种辅助诊断系统的测试方法的流程示意图，包括：
S101、启动测试脚本，将初始医疗影像发送至被测辅助诊断系统，使所述被测辅助诊断系统将对应的初始医疗影像上传至辅助诊断服务器进行辅助诊断分析并得到辅助诊断服务器返回的辅助诊断结果，并使所述被测辅助诊断系统根据辅助诊断结果将病灶标记描绘于所述初始医疗影像上得到目标医疗影像，并展示于详情展示页上；
本实施例中，可在自动化测试框架中启动测试脚本，利用所述测试脚本对所述被测辅助诊断系统进行测试。所述被测辅助诊断系统是指基于Web的辅助诊断系统，该被测辅助诊断系统通过上传医疗影像，调用相应的AI服务，然后在自身的医疗影像阅片界面展示融合有辅助诊断结果的医疗影像。
在一实施例中，如图2所示，所述步骤S101包括：
S201、启动测试脚本；
S202、通过接口请求模块访问所述被测辅助诊断系统的后台接口；
S203、通过所述后台接口上传所述初始医疗影像，使所述被测辅助诊断系统将所述初始医疗影像上传至辅助诊断服务器进行辅助诊断分析并得到辅助诊断服务器返回的辅助诊断结果，并使所述被测辅助诊断系统根据所述辅助诊断结果获取病灶信息，以及根据所述病灶信息将相应的病灶标记描绘于所述初始医疗影像上得到目标医疗影像，并展示于详情展示页上。
本实施例中，首先启动所述测试脚本。然后通过一接口请求模块将初始医疗影像发送至被测辅助诊断系统。被测辅助诊断系统开放有第三方接口，所以本实施例中，无需前端登录就可以调用相应的接口上传初始医疗影像。所述被测辅助诊断系统再将所述初始医疗影像上传至辅助诊断服务器。
所述辅助诊断服务器可以是AI服务器，可对所述初始医疗影像进行辅助诊断分析，所述的辅助诊断分析即指基于人工智能技术对初始医疗影像进行病灶的自动识别，以便进行辅助诊断，至于具体的辅助诊断服务器的技术细节根据病种的不同，其所使用的模型可能会有所不同，本实施例的目的是对被测辅助诊断系统进行准确性测试(同时也可实现对辅助诊断服务器的准确性测试)，故不论何种辅助诊断服务器，均可采用本实施例提供的方法进行测试，对于辅助诊断服务器的具体实现可参考现有技术的内容，本实施例对此不再赘述。
所述辅助诊断服务器对所述初始医疗影像进行辅助诊断分析后得到辅助诊断结果，如得到AI结果，然后将辅助诊断结果返回给被测辅助诊断系统。最后所述被测辅助诊断系统将根据辅助诊断结果将病灶标记描绘于所述初始医疗影像上，最终得到目标医疗影像。具体地，该辅助诊断结果中，包含了初始医疗影像上病灶的编号、坐标、描绘病灶的点集等信息，所述被测辅助诊断系统可以根据辅助诊断结果中的这些信息在初始医疗影像上添加病灶标记，从而得到目标医疗影像。
S102、对所述被测辅助诊断系统的详情展示页所展示的所述目标医疗影像进行截图，得到第一截图；
所述目标医疗影像中包含有病灶标记，所述被测辅助诊断系统可通过其详情展示页来展示包含病灶标记的目标医疗影像。即所述被测辅助诊断系统可以通过所述辅助诊断结果，在所述初始医疗影像上添加病灶标记，从而得到目标医疗影像，并在所述详情展示页进行展示。
本步骤对所述详情展示页所展示的所述目标医疗影像进行截图，得到第一截图，该第一截图可作为后续测试的目标，以便判断在被测辅助诊断系统迭代或辅助诊断服务器模型更新的情况下，该被测辅助诊断系统所展示的结果是否准确。
一般来说，医疗影像，如CT，一般都在10到300张之间，一个病灶会在多张影像上显示出来，横跨多张影像上的病灶大小不一样；又或者一张影像上会有多个病灶的标记；为了验证迭代开发的被测辅助诊断系统描绘病灶是否正确，所以可以切换显示目标医疗影像，并对多个目标医疗影像进行截图，从而得到多个第一截图。
本实施例中，所述详情展示页包含一个医疗影像阅片界面，该医疗影像阅片界面即用来展示目标医疗影像。
S103、启动本地图像语义分割工具，将所述初始医疗影像导入至所述本地图像语义分割工具；
本步骤中，可以先启动本地图像语义分割工具，该本地图像语义分割工具可以是开源工具，该本地图像语义分割工具可以进行图像的展示和融合。具体的，可以先将初始医疗影像导入到该本地图像语义分割工具，以便后续在此基础上添加病灶标记。
图像语义分割，简单而言就是给定一张图片，对图片上的每个像素点分类。目前，开源的图像语义分割工具有多种，这些工具根据使用目的和场景的不同，其所使用的方式和模型也有所不同。本实施例则需要利用图像语义分割工具常用的功能来实现对图像进行展示和融合。例如本实施例可使用图像语义分割工具ITK-SNAP，其是一种用于医学图像语义分割的开源工具包。当然，还有许多其他可以使用的开源图像语义分割工具，例如svmpaper，其同样可应用在医学图像分割领域。
S104、从所述辅助诊断服务器获取辅助诊断结果，将所述辅助诊断结果导入至所述本地图像语义分割工具，通过所述本地图像语义分割工具展示包含病灶标记的对比医疗影像，并对所述对比医疗影像进行截图，得到第二截图；
本步骤中，是由自动化测试框架直接从所述辅助诊断服务器获取辅助诊断结果，而不是通过被测辅助诊断系统来获取所显示的内容。获取了所述辅助诊断结果之后，可将其导入到本地图像语义分割工具。该本地图像语义分割工具将会根据所述辅助诊断结果在所述初始医疗影像上添加病灶标记，并利用所述本地图像语义分割工具展示添加病灶标记后的对比医疗影像。然后对所展示的对比医疗影像进行截图，从而得到第二截图。
在一实施例中，如图3所示，所述步骤S104包括：
S301、从所述辅助诊断服务器获取辅助诊断结果；
此步骤是直接从辅助诊断服务器获取其输出的AI结果。该AI结果中，包含了每张初始医疗影像上病灶的编号、坐标、描绘病灶的点集等信息。
S302、对所述辅助诊断结果进行格式转换，得到所述本地图像语义分割工具可识别的辅助诊断结果；
从辅助诊断服务器获取的辅助诊断结果其格式可能并不是本地图像语义分割工具能够识别的，所以需要进行格式转换。
在一实施例中，如图4所示，所述步骤S302包括：
S401、对所述辅助诊断结果进行解析，获取病灶信息；
S402、将初始医疗影像和病灶信息进行映射处理，然后将所述病灶信息以及映射关系一并导出，作为格式转换后的辅助诊断结果。
格式转换的处理过程可使用Python实现。首先辅助诊断结果是以json格式返回。本步骤可解析json格式的辅助诊断结果，即可获取病灶信息。然后可通过SimpleITK、skimage等开源库将dicom格式的初始医疗影像和病灶信息映射起来，最后将上述病灶信息以及映射关系导出为NIFTI(nii.gz)格式文件。
例如，本地图像语义分割工具为开源工具ITK-SNAP。前述步骤中导入的初始医疗影像是dicom文件，而此步骤中获取到的辅助诊断结果则是NIFTI格式文件(nii.gz)。只有导入dicom文件，再导入NIFTI文件后，开源工具ITK-SNAP才能根据NIFTI文件，通过映射关系即可将病灶标记在初始医疗影像dicom文件上。
S303、将格式转换后的辅助诊断结果导入至所述本地图像语义分割工具，并通过所述辅助诊断结果在初始医疗影像上添加病灶标记；
本步骤中，将初始医疗影像dicom文件导入所述本地图像语义分割工具ITK-SNAP后，再导入NIFTI文件，ITK-SNAP就会根据NiFTI文件在dicom文件上描绘出病灶标记。
S304、在所述本地图像语义分割工具上展示包含病灶标记的对比医疗影像；
此步骤中，所述本地图像语义分割工具可展示添加有病灶标记的对比医疗影像。
S305、对所展示的对比医疗影像进行截图，得到第二截图。
最后通过截图工具对本地图像语义分割工具上展示的对比医疗影像进行截图，即可得到第二截图。
在步骤S305中，如果对比医疗影像有多张，那么可按顺序截图，以便在后续步骤中，根据相同的顺序将第一截图与第二截图进行比对。
当然上述按顺序截图是一种较为合理的实施方式，本实施例还可以提供其他截图方式，例如根据部位或其他设置来确定截图顺序，但不论采用哪种顺序，第一截图和第二截图的截图顺序都要对应起来，这样，通过多次截图和比对，可能保证测试的可靠性。
S105、对所述第一截图与第二截图进行相似度计算，得到相似度，并基于所述相似度输出测试结果。
本步骤中，对前述步骤截图得到的第一截图和第二截图进行相似度计算，从而得到二者的相似度，根据该相似度即可判断被测辅助诊断系统是否可展示准确的图像。
在一实施例中，如图5所示，所述步骤S105包括：
S501、按顺序将截取的多张第一截图分别与对应的多张第二截图进行相似度计算；
由于，需要对比的医疗影像文件可能数量非常多，而进行对比时，需要进行一一比对，所以在前述的步骤二中，需要按顺序对所述详情展示页所展示的所述目标医疗影像进行截图，同样的，在前述的步骤中，需要按顺序对所述本地图像语义分割工具展示的对比医疗影像进行截图，并且在此步骤进行相似度计算时，需要进行对应截图的对比(即相似度计算)，具体是按照顺序对截取的多张第一截图分别与对应的多张第二截图进行相似度计算，即进行一一计算。
在一实施例中，所述步骤S501包括：
分别计算第一截图和第二截图的直方图，并将直方图进行归一化，然后按照距离度量的标准进行相似度计算。
相似度计算的方法可以采用基于直方图的方法，即分别计算两幅图像的直方图，并将直方图进行归一化，然后按照距离度量的标准进行相似度的计算。另外也可以采用基于SSIM结构相似性的方法，其可从亮度、对比度和结构三方面度量图像相似性，实际应用时，可利用滑动窗将图像分块，令分块总数为N，考虑到窗口形状对分块的影响，可采用高斯加权的方式计算每一窗口的均值、方差及协方差，然后计算对应分块的结构相似度，最后将平均值作为两幅图像的结构相似性度量。
S502、对计算得到的多个相似度进行平均计算，得到平均相似度；
计算出的相似度可能有多个，本实施例可以求取各相似度的平均值，从而得到平均相似度，这样更能对被测辅助诊断系统或辅助诊断服务器模型准确性进行客观评价。
在一实施例中，所述步骤S502包括：
根据预先设置的权重，对多个相似度进行加权，然后除以相似度的数量，得到平均相似度。
由于不同图像其重要性可能有所不同，所以本实施例可以预先为不同截图设置一个权重，然后计算出各相似度的加权平均值，这样也能较准确地评价被测辅助诊断系统或辅助诊断服务器模型的准确性。
S503、将所述平均相似度与相似度阈值进行比较，若所述平均相似度大于或等于相似度阈值，则输出被测辅助诊断系统符合测试标准的测试结果；若所述平均相似度小于相似度阈值，则输出被测辅助诊断系统不符合测试标准的测试结果。
本实施例可以应用在对被测辅助诊断系统的测试上，由于辅助诊断系统在系统迭代后，其展示包含病灶标记的医疗影像功能可能会出现难以预料的错误，本实施例则可以对迭代后的辅助诊断系统进行测试。根据病种的不同，医疗影像会有很多种，或者存在不同拍摄部位的同种医疗影像。而病变部位在医疗影像上的具体表现，对于软件测试人员来说是难以了解到这方面的专业知识的。通过本实施例，测试人员不需要具有相关的专业知识，即可实现对被测辅助诊断系统或辅助诊断服务器模型的测试。另外，由于Web系统版本迭代，对影像详情页的优化改造，常常需要对Web系统进行回归测试，而对描绘的病灶标记的准确性测试是回归测试的重点，采用本实施例提供的自动化测试方法可以显著提高测试效率。
本发明实施例还提供一种辅助诊断系统的测试装置，该辅助诊断系统的测试装置用于执行前述辅助诊断系统的测试方法的任一实施例。具体地，请参阅图6，图6是本发明实施例提供的辅助诊断系统的测试装置的示意性框图。该辅助诊断系统的测试装置600可以配置于服务器中。
该辅助诊断系统的测试装置600可以包括：
启动上传单元601，用于启动测试脚本，将初始医疗影像发送至被测辅助诊断系统，使所述被测辅助诊断系统将对应的初始医疗影像上传至辅助诊断服务器进行辅助诊断分析并得到辅助诊断服务器返回的辅助诊断结果，并使所述被测辅助诊断系统根据辅助诊断结果将病灶标记描绘于所述初始医疗影像上得到目标医疗影像，并展示于详情展示页上；
第一截图单元602，用于对所述被测辅助诊断系统的详情展示页所展示的所述目标医疗影像进行截图，得到第一截图；
导入单元603，用于启动本地图像语义分割工具，将所述初始医疗影像导入至所述本地图像语义分割工具；
第二截图单元604，用于从所述辅助诊断服务器获取辅助诊断结果，将所述辅助诊断结果导入至所述本地图像语义分割工具，通过所述本地图像语义分割工具展示包含病灶标记的对比医疗影像，并对所述对比医疗影像进行截图，得到第二截图；
测试单元605，用于对所述第一截图与第二截图进行相似度计算，得到相似度，并基于所述相似度输出测试结果。
在一实施例中，如图7所示，所述启动上传单元601包括：
脚本启动单元701，用于启动测试脚本；
接口访问单元702，用于通过接口请求模块访问所述被测辅助诊断系统的后台接口；
医疗影像上传单元703，用于通过所述后台接口上传所述初始医疗影像，使所述被测辅助诊断系统将所述初始医疗影像上传至辅助诊断服务器进行辅助诊断分析并得到辅助诊断服务器返回的辅助诊断结果，并使所述被测辅助诊断系统根据所述辅助诊断结果获取病灶信息，以及根据所述病灶信息将相应的病灶标记描绘于所述初始医疗影像上得到目标医疗影像，并展示于详情展示页上。
在一实施例中，如图8所示，所述第二截图单元604包括：
辅助诊断结果获取单元801，用于从所述辅助诊断服务器获取辅助诊断结果；
格式转换单元802，用于对所述辅助诊断结果进行格式转换，得到所述本地图像语义分割工具可识别的辅助诊断结果；
病灶标记添加单元803，用于将格式转换后的辅助诊断结果导入至所述本地图像语义分割工具，并通过所述辅助诊断结果在初始医疗影像上添加病灶标记；
对比影像展示单元804，用于在所述本地图像语义分割工具上展示包含病灶标记的对比医疗影像；
对比影像截图单元805，用于对所展示的对比医疗影像进行截图，得到第二截图。
在一实施例中，如图9所示，所述格式转换单元802包括：
解析单元901，用于对所述辅助诊断结果进行解析，获取病灶信息；
映射单元902，用于将初始医疗影像和病灶信息进行映射处理，然后将所述病灶信息以及映射关系一并导出，作为格式转换后的辅助诊断结果。
在一实施例中，如图10所示，所述测试单元605包括：
顺序对比单元1001，用于按顺序将截取的多张第一截图分别与对应的多张第二截图进行相似度计算；
平均计算单元1002，用于对计算得到的多个相似度进行平均计算，得到平均相似度；
输出单元1003，用于将所述平均相似度与相似度阈值进行比较，若所述平均相似度大于或等于相似度阈值，则输出被测辅助诊断系统符合测试标准的测试结果；若所述平均相似度小于相似度阈值，则输出被测辅助诊断系统不符合测试标准的测试结果。
在一实施例中，所述平均计算单元1002包括：
加权单元，用于根据预先设置的权重，对多个相似度进行加权，然后除以相似度的数量，得到平均相似度。
在一实施例中，所述顺序对比单元1001包括：
相似度计算单元，用于分别计算第一截图和第二截图的直方图，并将直方图进行归一化，然后按照距离度量的标准进行相似度计算。
该辅助诊断系统的测试装置600不依赖于存储的标准图像或特定的数据，解决了现有自动化测试平台对标准图像高度依赖的问题。并且可以极大的提高测试效率与准确性。
上述辅助诊断系统的测试装置可以实现为计算机程序的形式，该计算机程序可以在如图11所示的计算机设备上运行。
请参阅图11，图11是本发明实施例提供的计算机设备的示意性框图。该计算机设备11是服务器，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
参阅图11，该计算机设备1100包括通过系统总线1101连接的处理器1102、存储器和网络接口1105，其中，存储器可以包括非易失性存储介质1103和内存储器1104。
该非易失性存储介质1103可存储操作系统11031和计算机程序11032。该计算机程序11032被执行时，可使得处理器1102执行辅助诊断系统的测试方法。
该处理器1102用于提供计算和控制能力，支撑整个计算机设备1100的运行。
该内存储器1104为非易失性存储介质1103中的计算机程序11032的运行提供环境，该计算机程序11032被处理器1102执行时，可使得处理器1102执行辅助诊断系统的测试方法。
该网络接口1105用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图11中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备1100的限定，具体的计算机设备1100可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器1102用于运行存储在存储器中的计算机程序11032，以实现如下功能：
启动测试脚本，将初始医疗影像发送至被测辅助诊断系统，使所述被测辅助诊断系统将对应的初始医疗影像上传至辅助诊断服务器进行辅助诊断分析并得到辅助诊断服务器返回的辅助诊断结果，并使所述被测辅助诊断系统根据辅助诊断结果将病灶标记描绘于所述初始医疗影像上得到目标医疗影像，并展示于详情展示页上；
对所述被测辅助诊断系统的详情展示页所展示的所述目标医疗影像进行截图，得到第一截图；
启动本地图像语义分割工具，将所述初始医疗影像导入至所述本地图像语义分割工具；
从所述辅助诊断服务器获取辅助诊断结果，将所述辅助诊断结果导入至所述本地图像语义分割工具，通过所述本地图像语义分割工具展示包含病灶标记的对比医疗影像，并对所述对比医疗影像进行截图，得到第二截图；
对所述第一截图与第二截图进行相似度计算，得到相似度，并基于所述相似度输出测试结果。
在一实施例中，处理器1102在执行所述启动测试脚本，将初始医疗影像发送至被测辅助诊断系统，使所述被测辅助诊断系统将对应的初始医疗影像上传至辅助诊断服务器进行辅助诊断分析并得到辅助诊断服务器返回的辅助诊断结果，并使所述被测辅助诊断系统根据辅助诊断结果将病灶标记描绘于所述初始医疗影像上得到目标医疗影像，并展示于详情展示页上的步骤时，执行如下操作：
启动测试脚本；
通过接口请求模块访问所述被测辅助诊断系统的后台接口；
通过所述后台接口上传所述初始医疗影像，使所述被测辅助诊断系统将所述初始医疗影像上传至辅助诊断服务器进行辅助诊断分析并得到辅助诊断服务器返回的辅助诊断结果，并使所述被测辅助诊断系统根据所述辅助诊断结果获取病灶信息，以及根据所述病灶信息将相应的病灶标记描绘于所述初始医疗影像上得到目标医疗影像，并展示于详情展示页上。
在一实施例中，处理器1102在执行所述从所述辅助诊断服务器获取辅助诊断结果，将所述辅助诊断结果导入至所述本地图像语义分割工具，通过所述本地图像语义分割工具展示包含病灶标记的对比医疗影像，并对所述对比医疗影像进行截图，得到第二截图的步骤时，执行如下操作：
从所述辅助诊断服务器获取辅助诊断结果；
对所述辅助诊断结果进行格式转换，得到所述本地图像语义分割工具可识别的辅助诊断结果；
将格式转换后的辅助诊断结果导入至所述本地图像语义分割工具，并通过所述辅助诊断结果在初始医疗影像上添加病灶标记；
在所述本地图像语义分割工具上展示包含病灶标记的对比医疗影像；
对所展示的对比医疗影像进行截图，得到第二截图。
在一实施例中，处理器1102在执行所述对所述辅助诊断结果进行格式转换，得到所述本地图像语义分割工具可识别的辅助诊断结果的步骤时，执行如下操作：
对所述辅助诊断结果进行解析，获取病灶信息；
将初始医疗影像和病灶信息进行映射处理，然后将所述病灶信息以及映射关系一并导出，作为格式转换后的辅助诊断结果。
在一实施例中，处理器1102在执行所述对所述第一截图与第二截图进行相似度计算，得到相似度，并基于所述相似度输出测试结果的步骤时，执行如下操作：
按顺序将截取的多张第一截图分别与对应的多张第二截图进行相似度计算；
对计算得到的多个相似度进行平均计算，得到平均相似度；
将所述平均相似度与相似度阈值进行比较，若所述平均相似度大于或等于相似度阈值，则输出被测辅助诊断系统符合测试标准的测试结果；若所述平均相似度小于相似度阈值，则输出被测辅助诊断系统不符合测试标准的测试结果。
在一实施例中，处理器1102在执行所述对计算得到的多个相似度进行平均计算，得到平均相似度的步骤时，执行如下操作：
根据预先设置的权重，对多个相似度进行加权，然后除以相似度的数量，得到平均相似度。
在一实施例中，处理器1102在执行所述按顺序将截取的多张第一截图分别与对应的多张第二截图进行相似度计算的步骤时，执行如下操作：
分别计算第一截图和第二截图的直方图，并将直方图进行归一化，然后按照距离度量的标准进行相似度计算。
本领域技术人员可以理解，图11中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图11所示实施例一致，在此不再赘述。
应当理解，在本发明实施例中，处理器1102可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器1102还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现以下步骤：
启动测试脚本，将初始医疗影像发送至被测辅助诊断系统，使所述被测辅助诊断系统将对应的初始医疗影像上传至辅助诊断服务器进行辅助诊断分析并得到辅助诊断服务器返回的辅助诊断结果，并使所述被测辅助诊断系统根据辅助诊断结果将病灶标记描绘于所述初始医疗影像上得到目标医疗影像，并展示于详情展示页上；
对所述被测辅助诊断系统的详情展示页所展示的所述目标医疗影像进行截图，得到第一截图；
启动本地图像语义分割工具，将所述初始医疗影像导入至所述本地图像语义分割工具；
从所述辅助诊断服务器获取辅助诊断结果，将所述辅助诊断结果导入至所述本地图像语义分割工具，通过所述本地图像语义分割工具展示包含病灶标记的对比医疗影像，并对所述对比医疗影像进行截图，得到第二截图；
对所述第一截图与第二截图进行相似度计算，得到相似度，并基于所述相似度输出测试结果。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。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，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种辅助诊断系统的测试方法，其特征在于，包括：
启动测试脚本，将初始医疗影像发送至被测辅助诊断系统，使所述被测辅助诊断系统将对应的初始医疗影像上传至辅助诊断服务器进行辅助诊断分析并得到辅助诊断服务器返回的辅助诊断结果，并使所述被测辅助诊断系统根据辅助诊断结果将病灶标记描绘于所述初始医疗影像上得到目标医疗影像，并展示于详情展示页上；
对所述被测辅助诊断系统的详情展示页所展示的所述目标医疗影像进行截图，得到第一截图；
启动本地图像语义分割工具，将所述初始医疗影像导入至所述本地图像语义分割工具；
从所述辅助诊断服务器获取辅助诊断结果，将所述辅助诊断结果导入至所述本地图像语义分割工具，通过所述本地图像语义分割工具展示包含病灶标记的对比医疗影像，并对所述对比医疗影像进行截图，得到第二截图；
对所述第一截图与第二截图进行相似度计算，得到相似度，并基于所述相似度输出测试结果；
所述从所述辅助诊断服务器获取辅助诊断结果，将所述辅助诊断结果导入至所述本地图像语义分割工具，通过所述本地图像语义分割工具展示包含病灶标记的对比医疗影像，并对所述对比医疗影像进行截图，得到第二截图，包括：
从所述辅助诊断服务器获取辅助诊断结果；
对所述辅助诊断结果进行格式转换，得到所述本地图像语义分割工具可识别的辅助诊断结果；
将格式转换后的辅助诊断结果导入至所述本地图像语义分割工具，并通过所述辅助诊断结果在初始医疗影像上添加病灶标记；
在所述本地图像语义分割工具上展示包含病灶标记的对比医疗影像；
对所展示的对比医疗影像进行截图，得到第二截图；
所述对所述辅助诊断结果进行格式转换，得到所述本地图像语义分割工具可识别的辅助诊断结果，包括：
对所述辅助诊断结果进行解析，获取病灶信息；
将初始医疗影像和病灶信息进行映射处理，然后将所述病灶信息以及映射关系一并导出，作为格式转换后的辅助诊断结果。
2.根据权利要求1所述的辅助诊断系统的测试方法，其特征在于，所述启动测试脚本，将初始医疗影像发送至被测辅助诊断系统，使所述被测辅助诊断系统将对应的初始医疗影像上传至辅助诊断服务器进行辅助诊断分析并得到辅助诊断服务器返回的辅助诊断结果，并使所述被测辅助诊断系统根据辅助诊断结果将病灶标记描绘于所述初始医疗影像上得到目标医疗影像，并展示于详情展示页上，包括：
启动测试脚本；
通过接口请求模块访问所述被测辅助诊断系统的后台接口；
通过所述后台接口上传所述初始医疗影像，使所述被测辅助诊断系统将所述初始医疗影像上传至辅助诊断服务器进行辅助诊断分析并得到辅助诊断服务器返回的辅助诊断结果，并使所述被测辅助诊断系统根据所述辅助诊断结果获取病灶信息，以及根据所述病灶信息将相应的病灶标记描绘于所述初始医疗影像上得到目标医疗影像，并展示于详情展示页上。
3.根据权利要求1所述的辅助诊断系统的测试方法，其特征在于，所述对所述第一截图与第二截图进行相似度计算，得到相似度，并基于所述相似度输出测试结果，包括：
按顺序将截取的多张第一截图分别与对应的多张第二截图进行相似度计算；
对计算得到的多个相似度进行平均计算，得到平均相似度；
将所述平均相似度与相似度阈值进行比较，若所述平均相似度大于或等于相似度阈值，则输出被测辅助诊断系统符合测试标准的测试结果；若所述平均相似度小于相似度阈值，则输出被测辅助诊断系统不符合测试标准的测试结果。
4.根据权利要求3所述的辅助诊断系统的测试方法，其特征在于，所述对计算得到的多个相似度进行平均计算，得到平均相似度，包括：
根据预先设置的权重，对多个相似度进行加权，然后除以相似度的数量，得到平均相似度。
5.根据权利要求3所述的辅助诊断系统的测试方法，其特征在于，所述按顺序将截取的多张第一截图分别与对应的多张第二截图进行相似度计算，包括：
分别计算第一截图和第二截图的直方图，并将直方图进行归一化，然后按照距离度量的标准进行相似度计算。
6.一种辅助诊断系统的测试装置，其特征在于，包括：
启动上传单元，用于启动测试脚本，将初始医疗影像发送至被测辅助诊断系统，使所述被测辅助诊断系统将对应的初始医疗影像上传至辅助诊断服务器进行辅助诊断分析并得到辅助诊断服务器返回的辅助诊断结果，并使所述被测辅助诊断系统根据辅助诊断结果将病灶标记描绘于所述初始医疗影像上得到目标医疗影像，并展示于详情展示页上；
第一截图单元，用于对所述被测辅助诊断系统的详情展示页所展示的所述目标医疗影像进行截图，得到第一截图；
导入单元，用于启动本地图像语义分割工具，将所述初始医疗影像导入至所述本地图像语义分割工具；
第二截图单元，用于从所述辅助诊断服务器获取辅助诊断结果，将所述辅助诊断结果导入至所述本地图像语义分割工具，通过所述本地图像语义分割工具展示包含病灶标记的对比医疗影像，并对所述对比医疗影像进行截图，得到第二截图；
测试单元，用于对所述第一截图与第二截图进行相似度计算，得到相似度，并基于所述相似度输出测试结果；
第二截图单元包括：
辅助诊断结果获取单元，用于从所述辅助诊断服务器获取辅助诊断结果；
格式转换单元，用于对所述辅助诊断结果进行格式转换，得到所述本地图像语义分割工具可识别的辅助诊断结果；
病灶标记添加单元，用于将格式转换后的辅助诊断结果导入至所述本地图像语义分割工具，并通过所述辅助诊断结果在初始医疗影像上添加病灶标记；
对比影像展示单元，用于在所述本地图像语义分割工具上展示包含病灶标记的对比医疗影像；
对比影像截图单元，用于对所展示的对比医疗影像进行截图，得到第二截图；
格式转换单元包括：
解析单元，用于对所述辅助诊断结果进行解析，获取病灶信息；
映射单元，用于将初始医疗影像和病灶信息进行映射处理，然后将所述病灶信息以及映射关系一并导出，作为格式转换后的辅助诊断结果。
7.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的辅助诊断系统的测试方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的辅助诊断系统的测试方法。
CN202010622908.1A 2020-06-30 2020-06-30 辅助诊断系统的测试方法、装置、计算机设备及存储介质 Active CN111782529B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010622908.1A CN111782529B (zh) 2020-06-30 2020-06-30 辅助诊断系统的测试方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010622908.1A CN111782529B (zh) 2020-06-30 2020-06-30 辅助诊断系统的测试方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN111782529A CN111782529A (zh) 2020-10-16
CN111782529B true CN111782529B (zh) 2023-08-01

Family

ID=72760467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010622908.1A Active CN111782529B (zh) 2020-06-30 2020-06-30 辅助诊断系统的测试方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN111782529B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112330644A (zh) * 2020-11-11 2021-02-05 复旦大学 基于深度学习的医疗影像诊断系统
CN112506797B (zh) * 2020-12-22 2022-05-24 南京航空航天大学 一种针对医学影像识别系统的性能测试方法
CN113450886B (zh) * 2021-06-07 2022-05-20 武汉联影医疗科技有限公司 测试用例的生成方法、装置、计算机设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013063324A (ja) * 2012-12-26 2013-04-11 Fujifilm Ri Pharma Co Ltd 画像診断支援システム
CN109598727A (zh) * 2018-11-28 2019-04-09 北京工业大学 一种基于深度神经网络的ct图像肺实质三维语义分割方法
WO2019136760A1 (zh) * 2018-01-15 2019-07-18 深圳鲲云信息科技有限公司 图像语义分割方法、可编程逻辑电路、系统及电子设备
CN110517256A (zh) * 2019-08-30 2019-11-29 重庆大学附属肿瘤医院 一种基于人工智能的早期癌辅助诊断系统
CN110622000A (zh) * 2017-04-06 2019-12-27 卢西拉健康公司 使用移动设备的基于图像的疾病诊断
CN111340128A (zh) * 2020-03-05 2020-06-26 上海市肺科医院（上海市职业病防治院） 一种肺癌转移性淋巴结病理图像识别系统及方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9959181B2 (en) * 2015-11-13 2018-05-01 Fluke Corporation System and method for cloud-service asset management for portable computer test tools

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013063324A (ja) * 2012-12-26 2013-04-11 Fujifilm Ri Pharma Co Ltd 画像診断支援システム
CN110622000A (zh) * 2017-04-06 2019-12-27 卢西拉健康公司 使用移动设备的基于图像的疾病诊断
WO2019136760A1 (zh) * 2018-01-15 2019-07-18 深圳鲲云信息科技有限公司 图像语义分割方法、可编程逻辑电路、系统及电子设备
CN109598727A (zh) * 2018-11-28 2019-04-09 北京工业大学 一种基于深度神经网络的ct图像肺实质三维语义分割方法
CN110517256A (zh) * 2019-08-30 2019-11-29 重庆大学附属肿瘤医院 一种基于人工智能的早期癌辅助诊断系统
CN111340128A (zh) * 2020-03-05 2020-06-26 上海市肺科医院（上海市职业病防治院） 一种肺癌转移性淋巴结病理图像识别系统及方法

Also Published As

Publication number Publication date
CN111782529A (zh) 2020-10-16

Similar Documents

Publication Publication Date Title
CN111782529B (zh) 辅助诊断系统的测试方法、装置、计算机设备及存储介质
US10755411B2 (en) Method and apparatus for annotating medical image
JP7058373B2 (ja) 医療画像に対する病変の検出及び位置決め方法、装置、デバイス、及び記憶媒体
US10810735B2 (en) Method and apparatus for analyzing medical image
CN115131300B (zh) 一种基于深度学习的骨性关节炎智能三维诊断方法及系统
CN111198815B (zh) 用户界面的兼容性测试方法及装置
US20230214989A1 (en) Defect detection method, electronic device and readable storage medium
CN105303550A (zh) 图像处理装置及图像处理方法
CN111063422A (zh) 一种医学图像标注方法、装置、设备及介质
CN110826646A (zh) 机器人视觉测试方法、装置、存储介质及终端设备
CN111124863B (zh) 智能设备性能测试方法、装置及智能设备
CN115512823A (zh) 设备异常处理方法、装置、异常处理系统和设备
WO2022068228A1 (zh) 病灶标注的验证方法、装置、计算机设备及存储介质
CN109145752A (zh) 用于评估对象检测和跟踪算法的方法、装置、设备和介质
CN114266896A (zh) 图像标注方法、模型训练方法及装置、电子设备、介质
CN116597246A (zh) 模型训练方法、目标检测方法、电子设备及存储介质
CN113160199B (zh) 影像识别方法、装置、计算机设备和存储介质
CN110647826B (zh) 商品训练图片的获取方法、装置、计算机设备和存储介质
CN110502416A (zh) 应用卡顿检测方法、装置、计算机设备及可读介质
JP7387457B2 (ja) 医用画像処理装置、プログラム、および医用画像処理システム
CN111369588A (zh) 感兴趣区域处理方法、装置、设备和存储介质
CN112153375A (zh) 基于视频信息的前端性能测试方法、装置、设备及介质
CN110689112A (zh) 数据处理的方法及装置
US11710235B2 (en) Systems and methods for processing electronic images of slides for a digital pathology workflow
CN116302925A (zh) 自动化测试方法、装置、电子设备及可读存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20221010

Address after: Room 2601 (Unit 07), Qianhai Free Trade Building, No. 3048, Xinghai Avenue, Nanshan Street, Qianhai Shenzhen-Hong Kong Cooperation Zone, Shenzhen, Guangdong 518000

Applicant after: Shenzhen Ping An Smart Healthcare Technology Co.,Ltd.

Address before: 1-34 / F, Qianhai free trade building, 3048 Xinghai Avenue, Mawan, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong 518000

Applicant before: Ping An International Smart City Technology Co.,Ltd.

GR01 Patent grant
GR01 Patent grant